// CUDA runtime 库 + CUBLAS 库

 #include "cuda_runtime.h"

 #include "cublas_v2.h"

 #include <time.h>

 #include <iostream>

 using namespace std;

 // 定义测试矩阵的维度

 int const M = ;

 int const N = ;

 int main()

 {

     // 定义状态变量

     cublasStatus_t status;

     // 在 内存 中为将要计算的矩阵开辟空间

     float *h_A = (float*)malloc (N*M*sizeof(float));

     float *h_B = (float*)malloc (N*M*sizeof(float));

     // 在 内存 中为将要存放运算结果的矩阵开辟空间

     float *h_C = (float*)malloc (M*M*sizeof(float));

     // 为待运算矩阵的元素赋予 0-10 范围内的随机数

     for (int i=; i<N*M; i++) {

         h_A[i] = (float)(rand()%+);

         h_B[i] = (float)(rand()%+);

     }

     // 打印待测试的矩阵

     cout << "矩阵 A :" << endl;

     for (int i=; i<N*M; i++){

         cout << h_A[i] << " ";

         if ((i+)%N == ) cout << endl;

     }

     cout << endl;

     cout << "矩阵 B :" << endl;

     for (int i=; i<N*M; i++){

         cout << h_B[i] << " ";

         if ((i+)%M == ) cout << endl;

     }

     cout << endl;

     /*

     ** GPU 计算矩阵相乘

     */

     // 创建并初始化 CUBLAS 库对象

     cublasHandle_t handle;

     status = cublasCreate(&handle);

     if (status != CUBLAS_STATUS_SUCCESS)

     {

         if (status == CUBLAS_STATUS_NOT_INITIALIZED) {

             cout << "CUBLAS 对象实例化出错" << endl;

         }

         getchar ();

         return EXIT_FAILURE;

     }

     float *d_A, *d_B, *d_C;

     // 在 显存 中为将要计算的矩阵开辟空间

     cudaMalloc (

         (void**)&d_A,    // 指向开辟的空间的指针

         N*M * sizeof(float)    //　需要开辟空间的字节数

     );

     cudaMalloc (

         (void**)&d_B,

         N*M * sizeof(float)

     );

     // 在 显存 中为将要存放运算结果的矩阵开辟空间

     cudaMalloc (

         (void**)&d_C,

         M*M * sizeof(float)

     );

     // 将矩阵数据传递进 显存 中已经开辟好了的空间

     cublasSetVector (

         N*M,    // 要存入显存的元素个数

         sizeof(float),    // 每个元素大小

         h_A,    // 主机端起始地址

         ,    // 连续元素之间的存储间隔

         d_A,    // GPU 端起始地址

             // 连续元素之间的存储间隔

     );

     cublasSetVector (

         N*M,

         sizeof(float),

         h_B,

         ,

         d_B, 

     );

     // 同步函数

     cudaThreadSynchronize();

     // 传递进矩阵相乘函数中的参数，具体含义请参考函数手册。

     float a=; float b=;

     // 矩阵相乘。该函数必然将数组解析成列优先数组

     cublasSgemm (

         handle,    // blas 库对象

         CUBLAS_OP_T,    // 矩阵 A 属性参数

         CUBLAS_OP_T,    // 矩阵 B 属性参数

         M,    // A, C 的行数

         M,    // B, C 的列数

         N,    // A 的列数和 B 的行数

         &a,    // 运算式的 α 值

         d_A,    // A 在显存中的地址

         N,    // lda

         d_B,    // B 在显存中的地址

         M,    // ldb

         &b,    // 运算式的 β 值

         d_C,    // C 在显存中的地址(结果矩阵)

         M    // ldc

     );

     // 同步函数

     cudaThreadSynchronize();

     // 从 显存 中取出运算结果至 内存中去

     cublasGetVector (

         M*M,    //  要取出元素的个数

         sizeof(float),    // 每个元素大小

         d_C,    // GPU 端起始地址

         ,    // 连续元素之间的存储间隔

         h_C,    // 主机端起始地址

             // 连续元素之间的存储间隔

     );

     // 打印运算结果

     cout << "计算结果的转置 ( (A*B)的转置 )：" << endl;

     for (int i=;i<M*M; i++){

             cout << h_C[i] << " ";

             if ((i+)%M == ) cout << endl;

     }

     // 清理掉使用过的内存

     free (h_A);

     free (h_B);

     free (h_C);

     cudaFree (d_A);

     cudaFree (d_B);

     cudaFree (d_C);

     // 释放 CUBLAS 库对象

     cublasDestroy (handle);

     getchar();

     return ;

 }