Ich bin auf der Suche nach einem sehr einfachen Matrix-Multiplikationsbeispiel für CUBLAS, das M mal N multiplizieren und die Ergebnisse für den folgenden Code unter Verwendung von Hochleistungs-GPU-Operationen in P setzen kann:
%Vor%Bisher ist der meiste Code, den ich finde, um irgendeine Art von Matrix-Multiplikation mit CUBLAS zu tun, (scheinbar?) zu kompliziert.
Ich versuche, ein grundlegendes Labor zu entwerfen, in dem Studenten die Leistung der Matrixmultiplikation auf der GPU gegen Matrixmultiplikation auf der CPU, vermutlich mit erhöhter Leistung auf der GPU vergleichen können.
CUBLAS ist nicht notwendig, um zu zeigen, dass die GPU die CPU übertrifft, obwohl CUBLAS sie wahrscheinlich besser übertreffen würde. Es scheint, dass viele einfache CUDA-Implementierungen (einschließlich Matrixmultiplikation) die CPU übertreffen können, wenn sie einen ausreichend großen Datensatz haben, wie hier erklärt und demonstriert:
Einfachstes mögliches Beispiel, um GPU Outperform CPU Using zu zeigen CUDA
Das SDK enthält MatrixMul, das die Verwendung von CUBLAS veranschaulicht. Ein einfacheres Beispiel finden Sie im CUBLAS-Handbuch Abschnitt 1.3.
Das matrixMul-Beispiel zeigt auch einen benutzerdefinierten Kernel, der natürlich nicht so gut funktioniert wie CUBLAS.
Tags und Links cuda gpu matrix-multiplication cublas