Cuda 如何使用推力减少外部产品

我有一个二维数组，$a，$存储在设备_向量中，索引（p，I）为N和m

我想计算

$$s_{ij} = \sum \limits_{p=1}^{N} a_{p,i} a_{p,j}$$

for $i,j=1,...,m.$ 

有没有一种简单的方法可以使用推力来实现这一点

上面的代码是latex。在C++中，它会像

Matrix A(N,m); // filled with data

Matrix S(m,m);

for (int i=0; i <m;++i)
  for (int j=0; j <m;++j) 
   { 
     S(i,j)=0;
     for (int p=0; p < N; ++p)
        S(i,j) += A(p,i)*A(p,j);

   }

矩阵A（N，m）；//充满数据 矩阵S（m，m）；

---

对于（inti=0；i如果我没有错过什么，那么

$$s_{ij} = \sum_{p=1}^{N} a_{p,i} a_{p,j} = \sum_{p=1}^{N} a^T_{i,p} a_{p,j}$$

因此

$$S = A^T A$$

---

通常的矩阵积。我也不认为你可以用推力来实现。但是你可以使用CUBLAS或Arrayfire轻松地进行矩阵乘法（实际上我认为Arrayfire在内部使用CUBLAS）。但是请记住，这些库以列的主要顺序存储矩阵（如fortran中）

你想要什么？我无法很好地理解这些符号。o.o看看Q，我觉得我刚通过了IQ测试。你能提供串行代码吗？我认为没有一种简单的方法可以实现外部产品或Kronecker产品。我认为没有一种好的方法可以做到这一点。你可以做一些像g这样的事情使用一些奇特的迭代器表达式生成产品M X N，然后可能会以某种方式调用

reduce\u by\u key

。性能将不会令人印象深刻，因为它不会捕获外部两个嵌套for循环中的重用。将多个特别的N体CUDA内核中的一个用于此问题将更为直接。是的，一个可以这样做，但我主要担心的是，我需要两份矩阵的副本。