本节通过例子讲解进行简单的矩阵与矩阵乘法的具体步骤，即
C=A×B
其中，矩阵A的大小是M×N，矩阵B的大小是N×P，计算结果C的大小是M×P。
1．步骤1
打开MATLAB命令窗口，创建一个新文件，将其保存为cublasDemo．cpp。
2．步骤2
在空文件cublasDemo.cpp中，输入以下代码：
正如你可能记住的那样，这是一个空的子例行程序，并从这开始c-mex程序。
3．步骤3
接下来，检查输入数据类型是单精度还是浮点。然后，我们获得输入矩阵A和B的指针以及它们的大小。为简单起见，假设输入数据类型是单精度，否则退出编程：
4．步骤4
生成输出矩阵C，它的大小由矩阵A的行数和矩阵B的列数决定：
5.步骤5
现在在GPU设备上创建用于存储矩阵数据的存储空间。分别用cudaMalloc和cudaFree函数来分配和释放内存。这些函数在cuda_runtime.h中定义，所以在程序最开始的地方要声明这个头文件：
可以注意到，我们只是分配和释放了GPU中的内存，把CUBLAS代码插入其中。
6.步骤6(www.xing528.com)
现在开始添加CUBLAS代码。首先在程序开始部分添加另一个头文件cublas_v2.h：
头文件cublas_v2.h中包含了CUBLAS库的函数原型。首先创建CUBLAS句柄，最后通过调用cublasDestroy(…)删除句柄，这是我们调用所有CUBLAS函数之前要做的事情。然后，通过调用cublasSetMatrix(…)来准备矩阵，这样可以将矩阵从主机存储空间复制到分配好的GPU设备存储空间中去。注意，将数据移动到GPU设备时，我们并没有调用cudaMemcoy(…)，这里因为文件cublasSetMatrix(…)已经在后台完成了这一工作。
7.步骤7
本步骤仅仅调用其中矩阵和矩阵相乘函数PCublasSgemm(…)，这个函数在GPU上进行实际的运算。正如它的函数名一样，这个函数的作用是实现单精度数据类型的矩阵相乘。
文件cublasSgemm(…)完成所有低层次CUDA工作，并且将结果返回到为矩阵C分配的GPU内存中，然后文件cublasGetMatrix(…)将结果从GPU存储空间复制到主机存储中。我们不需要设置数据的线程块和线程的大小，CUBLAS会自动设定它们的维度，执行内核函数，并返回输出结果。
8.步骤8
现在c-mex编码完成，进入MATLAB命令窗口，输入mex命令来实际运行程序：
其中，各选项含义如下：
●-lcudart：表明在调用CUDA运行时库。具体而言，我们在调用两个基本CUDA函数cudaMalloc(…)和cudaFree(…)。
●-lcublas：表明在调用CUBLAS库。具体而言，我们在调用cublasXXX函数。
●-Ldir：dir是CUDA和CUBLAS库所在的目录。
●-Idir：dir是CUDA和CUBLAS头文件所在的目录。
9.步骤9
在Windows 64位操作系统中，运行步骤8中的MATLAB命令会生成c-mex文件cublasDemo1.mexw64，在MATLAB命令窗口中调用生成的函数来进行乘法计算：
可以用cublasExample.m在示例代码目录中测试这些代码。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
