На хабре есть статься (https://habr.com/ru/post/55461/) о том, как надо (как было бы хорошо и полезно) применять shared memory cuda-устройства. Почитал, осознал, вдохновился, скопипастил, собрал, запустил и... обломался. Ну никак не удается заставить cuda-устройство (GTX850M) работать с применением shared-memory быстрее, нежели без применения таковой. Наоборот, с применением shared-memory производительность падает практически в два раза, причем на разных конфигурациях сетки и блоков. В чем может быть дело?

зы: хотел задать вопрос на хабре под самой статьей, но статья старая и как бы нельзя.

в догонку.. уже имеется обсуждение подобного вопроса на stackoverflow. не все из сказанного там мне понятно, но некий Tom (сотрудник NVIDIA) где-то в середине обсуждения указывает на то, что (цитата): Tom (сотрудник NVIDIA)Совместно используемая память также может быть полезна для преобразования неэффективного шаблона доступа в хорошо согласованный шаблон, например, для операции транспонирования - Том 22 апр. Представляется, что это должно непосредственно коррелировать с примером реализации алгоритма, приведенного в статье на хабре.
Однако, по факту алгоритм транспонирования матрицы с применением shared-memory не показывает выдающихся результатов.
Хотелось бы понять, почему...
Кроме того, хотелось бы понять, что именно Tom (сотрудник NVIDIA) подразумевает под такими терминами, как "неэффективный шаблон доступа" и "хорошо согласованный шаблон". Каковы критерии отнесения шаблона доступа к памяти к той или иной категории?

mayton, как интересно. Жаль только, что в решении поставленных вопросов неприменимо.