OpenCL for循环中的慢速内存访问

Question

我有一个内置于OpenCL中的程序，其中每个内核都访问位于全局内存中的只读缓冲区。在某些时候，每个内核都需要将某些数据从全局内存复制到临时缓冲区中。我做了一个for循环，将一个全局内存的一个字节一个字节地复制到临时缓冲区中。我使用clEnqueueNDRangeKernel命令执行上述内核，该命令位于while循环内。为了测量clEnqueueNDRangeKernel命令的速度，我添加了一个称为ups（每秒更新）的计数器，该计数器在每个while循环结束时增加。我每隔一秒钟打印一次计数器的值并将其设置为零。

我注意到我的程序运行缓慢，大约运行了53次。经过一番调查，我发现问题出在上述的内存复制循环上。这是代码：

typedef uchar byte;

byte tempBuffer[128]

byte* destPtr = (byte*)&tempBuffer0];
__global const byte* srcPtr = (__global const byte*)globalMemPtr;

for(size_t k = 0; k < regionSize; ++k)
{
    destPtr[k] = srcPtr[k];
}

变量globalMemPtr中的指针指向需要复制到临时缓冲区和tempBuffer临时缓冲区中的全局内存区域。变量regionSize保留要复制的区域的大小（以字节为单位）。在这种情况下，其值为12。

我注意到的是，如果我将regionSize替换为12，则内核的运行速度要快得多，大约90秒钟。我的假设是，使用12时，OpenCL编译器可以优化for循环以更快地复制内存，但是使用regionSize时，则不能。

有人知道发生了什么吗？有人可以帮我吗？