Question

我正在为CUBLAS寻找一个非常简单的骨骼矩阵乘法示例，它可以将M乘以N，并使用高性能GPU操作将结果放在P中，用于以下代码：

float M[500][500], N[500][500], P[500][500];
for(int i = 0; i < Width; i++){
    for(int j = 0; j < Width; j++)
    {
        M[i][j] = 500;
        N[i][j] = 500;
        P[i][j] = 0;
    }
}

到目前为止，我发现使用CUBLAS进行任何类型的矩阵乘法的大多数代码（看似？）过于复杂。

我正在尝试设计一个基础实验室，让学生可以比较GPU上的矩阵乘法与CPU上的矩阵乘法的性能，可能是GPU上的性能提升。

Answer 1

SDK包含matrixMul，它说明了CUBLAS的使用。有关更简单的示例，请参阅CUBLAS manual部分1.3。

matrixMul示例还显示了一个自定义内核，当然这不会像CUBLAS那样好。

Answer 2

CUBLAS没有必要显示GPU胜过CPU，尽管CUBLAS可能会超越它。如果给出足够大的数据集，许多直接的CUDA实现（包括矩阵乘法）似乎可以胜过CPU，如下所述：

Simplest Possible Example to Show GPU Outperform CPU Using CUDA

简单的CUBLAS矩阵乘法示例？

2 个答案: