为了更清楚地表达（希望如此），
mem_fence()等待直到 mem_fence() 之前调用工作项对本地和/或全局内存进行的所有读/写对工作组中的所有线程可见。
这来自：http://developer.download.nvidia.com/presentations/2009/SIGGRAPH/asia/3_OpenCL_Programming.pdf http://developer.download.nvidia.com/presentations/2009/SIGGRAPH/asia/3_OpenCL_Programming.pdf
内存操作可以重新排序以适合它们运行的设备。该规范（基本上）规定，任何内存操作的重新排序都必须确保内存在单个工作项内处于一致的状态。但是，如果您（例如）执行存储操作并且值决定暂时驻留在工作项特定的缓存中，直到出现更好的时间写入本地/全局内存，该怎么办？如果您尝试从该内存加载，写入该值的工作项会将其保存在其缓存中，因此没有问题。但工作组内的其他工作项则不然，因此它们可能会读取错误的值。放置内存栅栏可确保在调用内存栅栏时，本地/全局内存（根据参数）将保持一致（任何缓存都将被刷新，并且任何重新排序都将考虑到您期望其他线程可能会发生的情况）需要在此之后访问此数据）。
我承认这仍然令人困惑，我不会发誓我的理解是100%正确的，但我认为这至少是总体想法。
跟进：
我发现这个链接讨论了 CUDA 内存栅栏，但同样的一般思想也适用于 OpenCL：
http://developer.download.nvidia.com/compute/cuda/2_3/toolkit/docs/NVIDIA_CUDA_Programming_Guide_2.3.pdf http://developer.download.nvidia.com/compute/cuda/2_3/toolkit/docs/NVIDIA_CUDA_Programming_Guide_2.3.pdf
查看部分B.5 内存栅栏功能.
他们有一个代码示例，可以在一次调用中计算一组数字的总和。该代码被设置为计算每个工作组中的部分和。然后，如果需要进行更多求和，代码将让最后一个工作组来完成工作。
因此，每个工作组基本上完成两件事：更新全局变量的部分求和，然后计数器全局变量的原子增量。
此后，如果还有更多工作要做，则将计数器增加到值（“工作组大小”- 1）的工作组将被视为最后一个工作组。该工作组将继续完成工作。
现在，问题（正如他们所解释的）是，由于内存重新排序和/或缓存，计数器可能会增加，并且最后一个工作组可能会在部分总和全局变量完成之前开始执行其工作。写入全局内存的最新值。
内存栅栏将确保在移过栅栏之前所有线程的部分和变量的值是一致的。
我希望这有一定道理。这很令人困惑。
