NVIDIA CUDA初级教程视频--（八）

**

第八章CUDA编程（三）

**
1.矩阵分析
CPU实现：
矩阵长度限制：仅仅使用一个block，不能处理过大矩阵的相乘
去除长度限制:将结果矩阵拆分成tile小块，把一个tile布置到一个block，通过threadIdx和blockIdx索引
把不能整除的部分添加0 padding
对global memory的读写：受限于global memory带宽，G80峰值GFLOPS:346.5，需要1386GB/S的带宽来达到，G80存储器实际带宽：84.6GB/S，代码运行速度则不到1/20，必须大幅减少对global memory 的访问，可以使用shared memory 来减少global memory 带宽需求，把kenerl拆分成多个阶段，每个阶段用原始矩阵的子集来累加，每个阶段都有很好的数据局部性。

2.原子函数
针对某一个特定数，全局共享的方法，原子操作非常耗时，要使用排队，针对同一个内存地址，访问开销增大