我正试图在ATI HD 6990卡（Cayman体系结构）上使用AMD-APP-SDK 2.4实现GEMM。
优化技术之一是使用分块/平铺。
在它的实现中，如果我们将子矩阵存储在共享的本地内存中，它会更快吗？还是当我们使用纹理缓存时会更快？如果可能的话，请说明原因。
还请建议哪种更容易实施。
谢谢。
附言：如果重要的话，我只想要单精度！
注意：子矩阵的大小不是问题，但我觉得它越大越好。唯一需要考虑的因素是，如果内存单位是128位（4个单精度），那么块大小应该是4的倍数。
Cypress芯片用于5800系列雷达。6900系列使用Cayman核心，这有几个重要的区别，最显著的是它是VLIW4架构，而不是早期核心中使用的VLIW5配置。
和往常一样，知道哪种方法更快的唯一确定方法是对其进行基准测试。特别是，由于你没有给出关于子矩阵大小的信息，很难说它们最适合哪里。