例如，当累加不同矩阵向量乘法的结果时（即使只有一个累加元素，这也是您在 BLAS 中所做的事情），一个形式上从零向量开始。但是没有无开销的方法可以直接在 CUDA 设备内存上分配一个零数组（或者是否存在？），因此想到的解决方案是简单地采用任意数字的数组，而不是将其初始化为 0 , 将值传递给orbeta = 0.的第一次调用。毕竟，如果它有那个参数“为什么不使用它”。cublas<t>gemvcusparse<t>csrmv
这是
- 一个好主意？或者情况β = 1 是否以这样的方式进行了优化，以提供整体更好的性能来将数组初始化为 0 然后使用调用
cusparseDcsrmv(..., 1., zeroes_array)？ - 安全的？天真地，浮点作为 ℝ 元素的表示应该满足x ⋅ 0 = 0 ∀ x，但是这种天真的处理在处理浮点时当然通常是相当致命的。我很确定当数组先前用于具有相同数据类型的其他一些操作时，结果表现良好，但它对于新分配的设备内存的单元化块也安全吗？
我主要对稀疏情况感兴趣，因为对于稠密矩阵，乘法的O ( n ² ) 复杂性使得不必过多考虑向量的O ( n ) 分配的性能。