CUDA：实现使用批量的CUBLAS的API提高程序性能(附完整源码)

源代码大师

于 2024-03-04 23:22:36 发布

阅读量277

点赞数 7

CC 4.0 BY-SA版权

分类专栏： CUDA实战教程文章标签： c++ 算法开发语言

不予转载，严禁转载，违者必纠。

本文链接：https://blog.csdn.net/it_xiangqiang/article/details/136465938

CUDA实战教程专栏收录该内容

246 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文提供了一个使用CUDA和CUBLAS库加速矩阵乘法的示例，详细介绍了如何分配内存，初始化CUBLAS句柄，调用cublasSgemm执行操作，并验证结果。通过这个过程，可以显著提高程序运行效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CUDA：实现使用批量的CUBLAS的API提高程序性能

以下是一个使用CUDA实现矩阵乘法，并利用CUBLAS库提高程序性能的示例代码：

#include <iostream>
#include <cuda_runtime_api.h>
#include <cublas_v2.h>

void printMatrix(float* matrix, int rows, int cols) {
    for (int i = 0; i < rows; ++i) {
        for (int j = 0; j < cols; ++j) {
            std::cout << matrix[i * cols + j] << " ";
        }
        std::cout << std::endl;
    }
}

int main() {
    const int m = 1024;
    const int n = 1024;
    const int k = 1024;
    const int size_A = m * k;
    const int size_B = k * n;
    const int size_C = m * n;

    float* h_A = new float[size_A];
    float* h_B = new float[size_B];
    float* h_C = new float[size_C];

    // Initialize input matrices
    for (int i = 0; i < size_A; ++i) {
        h