我正在尝试使用CUBLAS来总结两个未知大小的大矩阵 . 我需要一个完全优化的代码（如果可能的话）所以我选择不重写矩阵加法代码（简单）但是使用CUBLAS，特别是允许对A和C求和的cublasSgemm函数（如果B是单位矩阵）：* C = alpha * op（A）* op（B）beta * c *
问题是：C和C以行主格式存储矩阵，而cublasSgemm旨在（以便兼容）以列主格式工作 . 你可以指定A和B是否首先被转置，但你不能指示转置C.所以我无法完成我的矩阵添加..
我不能自己转置C矩阵，因为矩阵最大尺寸为20000x20000 .
有关如何解决的任何想法吗？
2 回答
如果你只是添加矩阵，它实际上并不重要 . 你给它alpha，Aij，beta和Cij . 它认为你给它alpha，Aji，beta和Cji，并给你它认为是Cji = beta Cji alpha Aji . 但就你而言，那是正确的Cij . 我担心的是当你开始做有关事的事情 - 比如矩阵产品 . 在那里，可能没有解决它 .
但更重要的是，你不需要做一个完全没有意义的矩阵乘法（需要大约20,0003次操作和多次通过内存）才能进行操作，这只需要大约20,000次操作和一次通过！将matricies视为20,000 ^ 2长矢量并使用saxpy .
矩阵乘法是内存带宽密集型的，因此在自己编码和调优版本之间存在巨大的（10倍或100倍）性能差异 . 理想情况下，在这种情况下，您只需使用线性代数标识即可进行管理 . C-vs-Fortran排序意味着当你传入A，CUBLAS "sees" AT（转置）时 . 哪个好，我们可以解决它 . 如果你想要的是C = A.B，以相反的顺序传入基础，B.A . 然后库看到（BT.AT），并计算CT =（A.B）T;然后当它传回CT时，你得到（按照你的订单）C . 测试并查看 .
cublasgeam已被添加到CUBLAS5.0中 . 它计算2个可选转置矩阵的加权和