前言

　　编写 CUDA 程序真心不是个简单的事儿，调试也不方便，很费时。那么有没有一些现成的 CUDA 库来调用呢？

　　答案是有的，如 CUBLAS 就是 CUDA 专门用来解决线性代数运算的库。

　　本文将大致介绍如何使用 CUBLAS 库，同时演示一个使用 CUBLAS 库进行矩阵乘法的例子。

CUBLAS 内容

　　CUBLAS 是 CUDA 专门用来解决线性代数运算的库，它分为三个级别：

　　Lev1. 向量相乘

　　Lev2. 矩阵乘向量

　　Lev3. 矩阵乘矩阵

　　同时该库还包含状态结构和一些功能函数。

CUBLAS 用法

　　大体分成以下几个步骤：

　　1. 定义 CUBLAS 库对象

　　2. 在显存中为待运算的数据以及需要存放结果的变量开辟显存空间。( cudaMalloc 函数实现 )

　　3. 将待运算的数据传输进显存。( cudaMemcpy，cublasSetVector 等函数实现 )

　　3. 调用 CUBLAS 库函数 ( 根据 CUBLAS 手册调用需要的函数 )

　　4. 从显存中获取结果变量。( cudaMemcpy，cublasGetVector 等函数实现 )

　　5. 释放申请的显存空间以及 CUBLAS 库对象。( cudaFree 及 cublasDestroy 函数实现 )

代码示例

　　如下程序使用 CUBLAS 库进行矩阵乘法运算，请仔细阅读注释，尤其是 API 的参数说明：

1 // CUDA runtime 库 + CUBLAS 库   2 #include "cuda_runtime.h"  3 #include "cublas_v2.h"  4   5 #include 
     
        6 #include 
      
         7   8 using namespace std;  9  10 // 定义测试矩阵的维度 11 int const M = 5; 12 int const N = 10; 13  14 int main()  15 {    16     // 定义状态变量 17     cublasStatus_t status; 18  19     // 在 内存 中为将要计算的矩阵开辟空间 20     float *h_A = (float*)malloc (N*M*sizeof(float)); 21     float *h_B = (float*)malloc (N*M*sizeof(float)); 22      23     // 在 内存 中为将要存放运算结果的矩阵开辟空间 24     float *h_C = (float*)malloc (M*M*sizeof(float)); 25  26     // 为待运算矩阵的元素赋予 0-10 范围内的随机数 27     for (int i=0; i
      
     

运行测试

　　

　　PS：矩阵元素是随机生成的

小结

　　1. 使用 CUDA 库固然方便，但也要仔细的参阅函数手册，其中每个参数的含义都要很清晰才不容易出错。

　　2. 如果程序仅使用 CUDA 库的话，用 .cpp 源码文件即可 (不用 .cu)