CUDA内存模型
CUDA（Compute Unified Device Architecture）的内存架构包含多种类型的内存，每种内存都有其特定的大小范围和作用：
1. 寄存器（Register）
- 大小：每个CUDA线程通常有少量的寄存器可用，一般为几十到几百KB，具体因GPU型号而异。
- 作用：是最快速的存储单元，用于存储线程执行过程中的临时数据和计算结果，如循环变量、计算的中间值等，对提高线程的计算速度至关重要。
2. 共享内存（Shared Memory）
- 大小：每块CUDA线程块通常有几KB到几十KB的共享内存，例如在一些常见的GPU中，每个线程块的共享内存可能为48KB或64KB。
- 作用：是同一线程块内的线程共享的内存空间，用于线程间的数据通信和协作，可减少对全局内存的访问次数，提高数据访问效率，如在并行计算中用于存储中间结果或缓存数据。
3. 全局内存（Global Memory）
- 大小：容量较大，通常为几GB到几十GB，如常见的NVIDIA显卡可能有8GB、16GB或更高的全局内存。
- 作用：是所有CUDA线程都可以访问的内存空间，用于存储程序中的大规模数据，如输入输出数据、大型数组等，但其访问速度相对较慢。
4. 常量内存（Constant Memory）
- 大小：一般为几MB，例如在某些GPU中可能为64KB到64MB不等。
- 作用：用于存储在核函数执行期间不会改变的数据，如常量、系数等，数据会被缓存在GPU上，多个线程访问常量内存中的相同数据时能提高访问效率。
5. 纹理内存（Texture Memory）
- 大小：通常为几MB到几十MB，与常量内存类似，具体取决于GPU。
- 作用：主要用于存储纹理数据，在图形处理和一些特定的计算中，能提供特殊的内存访问模式和数据过滤功能，如在图像处理中对图像数据进行采样和滤波。
6. 本地内存（Local Memory）
- 大小：每个线程的本地内存空间相对较小，一般为几KB到几十KB。
- 作用：用于存储线程私有的、无法存放在寄存器中的数据，如大型数组或结构体等，当寄存器空间不足时，编译器会将一些数据分配到本地内存，但访问速度较慢。
线性模型与物理结构
