CUDA学习--矩阵乘法的并行运算

1. CUDA学习步骤

1. CPU实现 a*b = c 的矩阵乘法（矩阵尺寸是n*m的，n和m大于1000）
2. 下载 https://developer.nvidia.com/cuda-downloads，安装好cuda
3. 将cpu代码移植到cuda。将CPU值传入GPU，使用cuda计算，与cpu结果对比。
4. 优化思路1：将矩阵分块进行计算
5. 优化思路2：使用share memory进行优化
6. 优化思路3：将数据绑定在texture上

2. CPU实现的矩阵乘法

废话不多说，直接上源码

/* CPUMatMultiply：CPU下矩阵乘法
 * a:第一个矩阵指针，表示a[M][N]
 * b:第二个矩阵指针，表示b[N][S]
 * result:结果矩阵，表示为result[M][S]
 */
void CPUMatMultiply(const int * a,const int * b, int *result,const int M,const int N,const int S)
{
    for (int i = 0; i < M; i++)
    {
   
        for (int j = 0; j < S; j++)
        {
   
            int index = i * S + j;
            result[index] = 0;

            //循环计算每一个元素的结果
            for (int k = 0; k < N; k++)
            {
   
                result[index] += a[i * N + k] * b[k * S + j];
            }
        }
    }
}

3. CUDA实现的矩阵乘法

在https://developer.nvidia.com/cuda-downloads中下载相应的CUDA安装程序，进行安装。

PS：有关CUDA的环境搭建，Hello_World工程的创建可以移步http://www.mamicode.com/info-detail-327339.html。

下面直接进入正题，矩阵乘法的移植。
从CPU上直接移植矩阵乘法到GPU上是非常简单的，不需要for循环，直接通过CUDA线程的id号，即threadIdx.x和threadIdx.y即可操作相应的数据。

gpu矩阵乘法核函数-源代码：