说明:水平方向的参数是BLOCK_SIZE(4/8/16/32),垂直方向的参数是调用矩阵乘法核函数的次数(10/100),表格中数据单位为秒。
由此图可以看到,在BLOCK_SIZE为4时,未分块的矩阵乘法核函数运行出错(原因未明,可能和warp执行束的特点相关),而当BLOCK_SIZE为8/16/32时,分块矩阵乘法将体现出3-4倍的加速,由此也可以看出使用shared memory的必要之处,特别地,我们看BLOCK_SIZE等于16时的更多比较:
说明:BLOCK_SIZE大小为16,表中数据单位为秒。
基本上分块算法(参见NVIDIA CUDA Programing Guide)都能够保持将近3倍的加速。