cuBLAS矩阵乘法
cuBLAS是cuda封装好的一个数学库，头文件为
下面是一个常用的函数，后面又有扩展，但是核心函数使用逻辑一样。
#define cublasSgemm cublasSgemm_v2
CUBLASAPI cublasStatus_t CUBLASWINAPI cublasSgemm_v2
(
cublasHandle_t handle,
cublasOperation_t transa, cublasOperation_t transb,
int m, int n, int k,
const float *alpha,
const float *A, int lda,
const float *B, int ldb,
const float *beta,
float *C, int ldc
);下面对容易犯错的函数参数进行总结，估计看完后还是一脸蒙逼，所以看看下面的
实战操作就可以明白每个参数真实的含义：
C = alpha*A*B + beta*C(看起来没啥问题，使用起来呵呵哒)
cublasHandle_t handle：调用 cuBLAS 库时的句柄
cublasOperation_t transa, 是否对A转置
cublasOperation_t transb, 是否对B转置
int m, int n, int k, mnk表示矩阵计算时候的维度
const float *alpha,
const float *A, //矩阵A
int lda, //按列读取的长度
const float *B,
int ldb,
const float *beta,
float *C,
int ldc ldc:按列取的个数
一、本来以为的操作
cublasSgemm(handle, CUBLAS_OP_N, CUBLAS_OP_N, 2 ,4, 3, &alpha, *A, 2, *B, 3, &beta, *C, 2);
cublas和mkl里面的cblas的区别在于，这个cublas不能按行存储，只能选择按列存储，而c++/c的数据存储格式都是按行存储的，但是他这个API不管，人家就是按你是列优先的储存格式，所以在实际使用的时候会一直出错，为此需要理清楚这个函数的每个
参数的意思，避免一直出现问题。
首先来看int m,int n, int k这三个参数，这三个参数依次代表的是A1的行，B1的列，A1的列（B1的行）
lda: 这个参数就比较魔幻，A(c/c++是按行存的)进来的数据【1,2,3,4,5,6】按照每lda一列排好，得到A1;
ldb:B同上
ldc:按列从C1中取数，每次取ldc的长度，只能大于等于C1的行数，当大于C1时，c1单列由于数字不够会补零。
可以看到呀，这个函数一旦进入，其实就给数据调换了位置，因为一个协议是按列，一个协议是按行，所以c/c++在调用
这个函数时就有问题，而CUBLAS_OP_T （转置）和CUBLS_OP_N（不转置）利用这两个参数是不是就可以解决这个问题？
二、思考后的操作
cublasSgemm(handle, CUBLAS_OP_T, CUBLAS_OP_T, 2, 4, 3, &alpha, d_A, 3, d_B, 4, &beta, d_C, 2);
c1---行优先--->输出c2[[38 83 44 98],[50 113 56 128]]
所以结果还是和预期结果不一致，为此，来了一个骚操作：
三、正确的操作
cublasSgemm(handle, CUBLAS_OP_N, CUBLAS_OP_N, 4, 2, 3, &alpha, *B, 4, *A, 3 , &beta, *C, 4);
结果正确，利用的是 A B = (BT AT)T，真是天秀。
附上代码：没有释放内存，随便做实验用的
#include
#include
#include
#include
using namespace std;
//cuBLAS代码
int main()
{
const float alpha = 1.0f;
const float beta = 0.0f;
int m = 2, n = 4, k = 3;
float A[6] = {1,2,3,4,5,6};
float B[12] = {1,2,3,4,5,6,7,8,9,10,11,12};
float *C;
float* d_A,*d_B, *d_C;
C = (float*)malloc(sizeof(float)*8);
cudaMalloc((void**)&d_A, sizeof(float)*6);
cudaMalloc((void**)&d_B, sizeof(float)*12);
cudaMalloc((void**)&d_C, sizeof(float)*8);
cudaMemcpy(d_A, A, 6*sizeof(float), cudaMemcpyHostToDevice);
cudaMemcpy(d_B, B, 12*sizeof(float), cudaMemcpyHostToDevice);
cublasHandle_t handle;
cublasCreate(&handle);
cublasSgemm(handle, CUBLAS_OP_T, CUBLAS_OP_T, m, n, k, &alpha, d_A, 3, d_B, 4, &beta, d_C, 2);
cublasDestroy(handle);
cudaMemcpy(C, d_C, 8*sizeof(float), cudaMemcpyDeviceToHost);
for(int i=0; i<8; i++)
{
cout< 参考链接：https://www.cnblogs.com/cuancuancuanhao/p/7763256.html（有些结果有问题）