图形处理单元（GPU）是并行模具代码的高效架构；然而，较小的设备（即GPU）内存容量（几十GB）需要使用非核心计算来处理多余的数据。手工实现高效的非核心模具代码需要大量编程工作。为了减轻这种编程负担，出现了基于定向的框架，如流水线加速器（PACC）；然而，它们通常缺乏特定的优化来减少数据传输。在本文中，我们使用两种以数据为中心的优化来扩展PACC，以解决数据传输问题。第一种是直接映射方案，它消除了主机（即CPU）缓冲区，后者介于原始数据缓冲区和设备缓冲区之间。第二种是区域共享方案，它大大减少了主机到设备的数据传输。将扩展后的PACC应用于声波传播器，自动将原始序列码的长度延长2.3倍，以获得核外码。实验结果表明，在特斯拉V100 GPU上，生成的代码的运行速度分别是基于OpenMP、Unified Memory和以前的PACC的实现速度的41.0、22.1和3.6倍。生成的代码还证明了在适合设备容量的小型数据集上的实用性，其运行速度是内核内实现的1.3倍。