14

我正在为 CUBLAS 寻找一个非常简单的矩阵乘法示例，它可以使用高性能 GPU 操作将 M 乘以 N 并将结果放在 P 中以用于以下代码：

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（似乎？）都过于复杂。

我正在尝试设计一个基础实验室，学生可以在其中比较 GPU 上的矩阵乘法与 CPU 上的矩阵乘法的性能，大概是在 GPU 上提高了性能。

4

2 回答 2

8

SDK 包含 matrixMul，它说明了 CUBLAS 的使用。有关更简单的示例，请参见CUBLAS 手册第 1.3 节。

matrixMul 示例还显示了一个自定义内核，当然它的性能不如 CUBLAS。

于 2011-10-04T15:49:22.250 回答
1

CUBLAS 没有必要证明 GPU 的性能优于 CPU，尽管 CUBLAS 的性能可能会更胜一筹。如果给定足够大的数据集，许多简单的 CUDA 实现（包括矩阵乘法）似乎可以胜过 CPU，如下所示：

使用 CUDA 显示 GPU 优于 CPU 的最简单示例

于 2011-10-08T15:29:17.350 回答