为何我的OpenCL程序中RTX 2070的FP32性能仅达理论值2%？

• 我编写的多款整数运算OpenCL程序，通常能达到甚至超过GPU的32位整数运算理论峰值性能
• 近期开发的一款以浮点运算为主的程序，其FP32性能远低于RTX 2070的8.3Tflops理论峰值
• 我编写了一个简化的基准测试程序，只需将代码中的float替换为double即可测试FP64性能，且FP64性能符合预期
• 该测试代码提取自复杂程序的核心计算逻辑，并非寻求代码评审
• 将NVIDIA驱动从470版本升级到535版本后，FP32性能反而略有下降
• 更换为旧款Tesla K20X显卡后，FP32性能达到464.123810 Gflops，FP64性能达到870.049072 Gflops

测试代码 #

[原代码内容保持不变]

运行输出 #

[原输出内容保持不变]

内容的提问来源于stack exchange，提问作者Simon Goater