CUDA编程练习（十一）矩阵转置

最新推荐文章于 2024-08-20 18:51:32 发布

原创

最新推荐文章于 2024-08-20 18:51:32 发布 · 840 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#矩阵 #python #c++ #算法

我生命中最灿烂的时光，目前还没有一个中心。那个中心应该是一个人，找到她，我的幸福就有了规律。爱情就像漂泊者找到了一片耕地，经营它，稳定回报快乐收获前进的方向与动力。（一个母胎solo如是幻想）

1 想法

为什么这件事情也需要GPU来做呢？

GPU大量并行线程可以同时处理多个数据块，减少缓存未命中的影响。此外，GPU有较大的内存带宽，可以更有效地处理大规模的数据传输。

矩阵转置本质上可以被分解为许多独立的小任务，即每个元素的读取和写入都是独立的。那么配合带宽，就能做到同时读取与写入。

所以，合并访存，bank conflict是必须要考虑的事情。

接下来从以下几个角度进行编写：

CPU转置；
全局内存转置；
共享内存转置；·

没什么注意点，就是注意实验规模，小手随便一输，对于CPU可能就是几分钟的运算时间~

其实，实验规模可以狠狠地扩大的，目前看来，这些个代码，除了硬件速度和内存大小限制，对于多大的矩阵都是能转置的。

2 代码

2.1 CPU

没什么好说的

ELEM_TYPE* transpose_cpu(ELEM_TYPE* mat, int n) {

    ELEM_TYPE* ret = new ELEM_TYPE[n*n];

    for (int i=0; i<n; i++) {
        for (int j=0; j<n; j++) {
            int ori_1d_idx = i*n+j;
            int after_1d_idx = j*n+i;

            ret[after_1d_idx] = mat[ori_1d_idx];
        }
    }
    return ret;
}