一、先了解什麼是矩陣
在數學中，矩陣（matrix）是乙個按照長方陣列排列的複數或實數集合[1]
，最早來自於方程組的係數及常數所構成的方陣。
二、矩陣的基本引數
typedef struct
matrix;
四、gpu使用cuda程式設計
簡單例子舉例：
這裡簡單介紹一下cuda的程式設計結構
先看**逐步解釋：
__global__ void matmulkernel(matrix a, matrix b, matrix c)
我們習以為常的row主列的矩陣，
int row = blockidx.y * blockdim.y + threadidx.y;經過上述cpu矩陣運算示例，我們大致知道需要三次for迴圈才能完成矩陣運算！你們有沒有注意到這裡只使用了一次for迴圈就搞定了！是不是感覺哇塞，好酷！
接下來我們來解讀一下這乙個for迴圈：
for (int e = 0; e < a.width; ++e)
cvalue += a.elements[row * a.width + e] * b.elements[e * b.width + col];
運算指令（與之前的cuda程式設計結構相對應）
row*a.width+e這代表著什麼，開始一直困惑著我和小夥伴討論過後弄明白了，如果你仔細看了我剛剛提到的x與y的關係時，你會醍醐灌頂，恍然大悟！確定了x值，變化著y值，表示這a矩陣的一列，e*b.width+col與之類似，自行思考；
void matmul(const matrix a, const matrix b, matrix c)
第一步：申明變數，分配空間，賦值
matrix d_a;
d_a.width = a.width;
d_a.height = a.height;
size_t size = a.width * a.height * sizeof(float);
cudamalloc(&d_a.elements, size);
cudamemcpy(d_a.elements, a.elements, size,cudamemcpyhosttodevice);
dim3 dimblock(block_size, block_size);
dim3 dimgrid(b.width / dimblock.x, a.height / dimblock.y);
matmulkernel<<>>(d_a, d_b, d_c);
cudafree(d_a.elements);
cudafree(d_b.elements);
cudafree(d_c.elements);
學習演算法之心得
1 演算法，浩如煙海，找到自己感興趣的那個分支，或那個點來學習，然後，一往無前的深入 下去。2 興趣第一，一切，由著你的興趣走，忌浮躁。3 思維敏捷。給你一道常見的題目，你的頭腦中應該立刻能冒出解決這道問題的最適用的資料結構，以及演算法。4 隨興趣，多刷題。acm題。poj，面試題，包括下文將出現的...
cuda矩陣相乘 CUDA的矩陣乘法
2 那麼下面就是不使用shared memory的並行化演算法的思路。簡單地來說，就是將上述可並行化的部分傳遞給gpu，使用cuda來計算。如下 void matrixmulondevice float m,float n,float p,intwidth int size width width ...
備戰「軟考」之心得
時間都去哪啦，還沒好好看書軟考就完啦！伴隨著5月24號16 30的鐘聲，標誌著準備將近2個月的軟考就這樣結束了！自己的心隨之啪的就碎了！儘管知道沒有賣懊悔藥的，但真的想讓時間倒流又一次來一次。但平靜之後就想這不過一次成長，沒有什麼懊悔的，更不要為此而感到傷心難過，我們須要做的就是總結這個過程中的經驗...