Matrix CUBLAS或支持的库，以及初学者阅读的重点

我正试图利用GPU（nVidia Quadro NVS140M）的强大功能来加速我项目中的一些矩阵计算。我正在阅读一些文档（编程指南、最佳实践指南和参考手册），但不确定应该关注哪些部分。如果我能在这方面得到一些建议，那就太好了

---

另外，我想知道是否有第三方维护的SDK，例如CuBLAS.net，可以在我坚持使用CuBLAS提供的有助于我实现项目目标的功能之前简化CuBLAS开发过程。再次感谢您的评论。

CUDA工具包和SDK下载附带的大多数文档通常都是关于CUDA的，而不是专门针对CuBLAS的。如果您只想使用CUBLAS，那么从

CUBLAS\u Library\u 2.3.pdf

文件开始——您不需要编写自己的CUDA内核。如果您已经在使用CPU BLAS，那么CuBLAS应该不难找到。（如果不是，那么考虑在CUBLAS之前尝试一个优化的CPU，因为它会更容易编程）。 如果您是在.NET上编写代码，那么使用CuBLAS最简单的方法可能是通过平台调用CuBLAS.dll。确保清楚哪些阵列在主机（CPU）内存中，哪些在设备（GPU）内存中

请记住，CUDA和CuBLAS并不是神奇的子弹。性能取决于许多因素（尤其是通过PCIe总线的传输），简单地将CUBLAS调用交换为CPU-BLAS调用可能不会给您带来加速。为了提高性能，您可能必须对自己的代码进行更大的更改。您提到的其他指南对于理解CUDA体系结构及其瓶颈非常有用

---

编辑：我不清楚用户代码和内核代码之间的界限。CUBLAS是一个预构建、优化的CUDA内核库。如果您只需要BLAS功能，则不需要编写自己的内核。相反，只需调用CUBLAS函数。在进行性能调整时，您不需要调整CUBLAS内核，但可能需要更改调用它们的方式、时间以及使用内存的方式，以尽量减少通过PCI express总线的传输次数。

我已经在使用Intel Math Kernel Library，据我所知，它是一个CPU BLAS。我可能需要使用CUDA内核等对算法进行一些修改。