今天写代码时发现用cudamemcpy把25M个数据点从gpu向cpu中复制时，发现非常耗时，需要50多秒，注释掉前面两句trust::inclusive_scan和trust::copy后发现只需要几十毫秒，请问大佬这个问题怎么解决，inclusive_scan是实现代码功能必须要有的用来计算前缀和的代码，实际应用不能注释掉。问ai说是可能是由于内存碎片化导致的？应该怎么解决？