共享儲存器使用__shared__限定詞分配。
cuda程式設計介面：執行初始化與裝置儲存器
cuda程式設計介面：使用nvcc編譯器的相容性
cuda程式設計介面：如何用nvcc編譯cuda程式
cuda程式設計模型：儲存器層次和異構程式設計
cuda程式設計模型：核心與執行緒層次概述
正如在前面的文章提到的，共享儲存器應當比全域性儲存器更快，詳細內容將在後續文章中介紹。任何用訪問共享儲存器取代訪問全域性儲存器的機會應當被發掘，如下面的矩陣相乘例子展示的那樣。 下面的**是矩陣相乘的乙個直接的實現，沒有利用到共享儲存器。每個執行緒讀入a的一行和b的一列，然後計算c中對應的元素，如圖1所示。這樣，a讀了b.width次，b讀了a.height次。
#include#include#include
#pragma comment(lib, "cudart.lib")
#pragma comment(lib, "cutil32.lib")
bool initcuda(void)
for(i = 0; i < count; i++)
}} if(i == count)
cudasetdevice(i);
printf("cuda initialized.\n");
return true;
}///
#define thread_num 256
#define matrix_size 100 //方陣階
▲圖1 沒有使用共享儲存器的矩陣相乘
下面的例子**利用了共享儲存器實現矩陣相乘。本實現中，每個執行緒塊負責計算乙個小方陣csub，csub是c的一部分，而塊內的每個執行緒計算csub的乙個元素。如圖2所示。csub等於兩個長方形矩陣的乘積：a的子矩陣尺寸是(a.width,block_size)，行索引與csub相同，b的子矩陣的尺寸是(block_size,a.width)，列索引與csub相同。為了滿足裝置的資源，兩個長方形的子矩陣分割為尺寸為block_size的方陣，csub是這些方陣積的和。每次乘法的計算是這樣的，首先從全域性儲存器中將二個對應的方陣載入共享儲存器中，載入的方式是乙個執行緒載入乙個矩陣元素，然後乙個執行緒計算乘積的乙個元素。每個執行緒積累每次乘法的結果並寫入暫存器中，結束後，再寫入全域性儲存器。
採用這種將計算分塊的方式，利用了快速的共享儲存器，節約了許多全域性儲存器頻寬，因為在全域性儲存器中，a只被讀了(b.width/block_size)次同時b讀了(a.height/block_size)次。
▲圖2 使用共享儲存器的矩陣相乘
CUDA程式設計介面 共享儲存器實現矩陣相乘
正如在前面的文章提到的，共享儲存器應當比全域性儲存器更快，詳細內容將在後續文章中介紹。任何用訪問共享儲存器取代訪問全域性儲存器的機會應當被發掘，如下面的矩陣相乘例子展示的那樣。下面的 是矩陣相乘的乙個直接的實現，沒有利用到共享儲存器。每個執行緒讀入a的一行和b的一列，然後計算c中對應的元素，如圖1所...
CUDA矩陣相乘
include include include include 並行矩陣乘法kernel函式 global void matrixmultiply int m d,int n d,int p d,int width p d row width col p 每個執行緒計算p d矩陣的乙個元素 生成隨機...
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 ...