在我的CUDA项目中，我可以定义一个固定内存，将数据从.txt文件复制到固定内存，并在内核中执行处理时使用流将数据复制到GPU。现在，我想创建一个CUDA MEX文件，然后传递数据（称为RfData）变量。但是，我注意到无法直接将来自MATLAB的数组分配为固定CUDA内存，我必须使用可分页内存：

int* RfData;
    RfData = (int *)mxGetPr(prhs[0]); 
    int* Device_RfData;  
    int ArrayByteSize_RfData = sizeof(int) * (96* 96* 2048);
    cudaMalloc((int**)&Device_RfData, ArrayByteSize_RfData);
    cudaMemcpy(Device_RfData, RfData, ArrayByteSize_RfData, cudaMemcpyHostToDevice);

我需要使用流来复制RfData async。我知道的唯一方法是将RfData复制到固定内存，然后使用流：

int* RfData_Pinned;
    cudaHostAlloc((void**)&RfData_Pinned, ArrayByteSize_RfData,  cudaHostAllocWriteCombined);
    for (int j = 0; j < (96* 96* 2048); j++)
    {
        RfData_Pinned[j] = RfData[j];
    }

但是，它增加了我的MEX函数的整体处理时间。
我如何以异步方式将数据从Matlab传输到GPU？也许CUDA中有一个命令允许将数据从可分页内存快速复制到固定内存？
先谢了，莫因。