Cuda 库布拉斯大学；t>；gbmv理解

我最近想用一个简单的CUDA矩阵向量乘法。我在cublas库中找到了一个合适的函数：cublasgbmv。这是

但是它实际上非常差，所以我没有理解

kl

和

ku

参数的含义。此外，我不知道什么是

stride

（也必须提供）。 这些参数有一个简短的解释（第37页），但看起来我需要知道一些其他的东西

互联网上的搜索并没有提供关于这个问题的大量有用信息，主要是参考不同版本的文档

因此，我有几个问题要问GPU/CUDA/cublas专家：

我如何找到更容易理解的关于使用cublas的文档或指南

如果你知道如何使用这个函数，你能解释一下我该如何使用它吗

也许库布拉斯图书馆有点与众不同，每个人都使用一些更受欢迎、更好记录的东西，等等

非常感谢。

因此（基本线性代数子程序）通常是基本线性代数例程的API，顾名思义。它包括向量运算（1级blas例程）、矩阵向量运算（2级）和矩阵运算（3级）。有一种可用的方法可以正确地实现所有内容，但大多数情况下，您会为您的体系结构使用优化的实现。cuBLAS是CUDA的一个实现

BLASAPI作为一种描述基本操作的API非常成功，因此被广泛采用。然而，（a）由于当时的体系结构限制（这是1979年，API是使用8个字符或更少的名称定义的，以确保它可以广泛编译），名称非常神秘，（b）它是成功的，因为它非常通用，因此即使是最简单的函数调用也需要大量无关的参数

因为它是如此广泛，人们通常认为，如果你在做数值线性代数，你已经知道API的一般要点，所以实现手册通常会忽略重要的细节，我想这就是你遇到的

2级和3级例程的函数名通常为

TMMOO..

，其中

T

是矩阵/向量的数值类型（

S

/

D

表示单/双精度实数，

C

/

Z

表示单/双精度复数），

MM

表示矩阵类型（

GE

表示一般-例如，仅是一个密集矩阵，您不能对其说任何其他内容；

GB

表示一般带状矩阵，

SY

表示对称矩阵，等等），并且

OO

是操作

这一切现在看起来有点可笑，但它工作得相当好——你很快就会学会扫描这些熟悉的操作，这样SGEMV就是一个单精度的通用矩阵乘以向量乘法（这可能是你想要的，而不是SGBMV），DGEMM是双精度矩阵乘法等，但它确实需要一些实践

因此，如果您查看cublas sgemv指令，或者在中，您可以逐步浏览参数列表

此函数执行矩阵向量乘法

y=a op（a）x+b y

其中A是以列主格式x和y存储的m x n矩阵 是向量，和是标量

式中，op（A）可以是A、AT或AH。因此，如果您只是想要

y=Ax

，通常情况下，那么

A=1

，

b=0

。和

transa==CUBLAS\u op\N

incx

是

x

中不同元素之间的跨距；在很多情况下，这很方便，但是如果

x

只是一个包含向量的简单1d数组，那么跨距将为1

---

这就是SGEMV所需的全部功能。

CUBLAS函数只是以标准Fortran BLAS为模型，其中有大量的文档。因此，尝试搜索SBGMV，您可能会找到所需的功能（您的矩阵真的是带状的吗？）