让我们使用NVIDIA Visual Profiler对CUBLAS函数cublasSgemm(…)做更深入的了解。NVIDIA Visual Profiler除了分析运行时间外，还可以了解程序运行时的具体细节。
首先，打开NVIDIA Visual Profiler，然后如第3章的介绍，通过分析器打开MATLAB，当MATLAB窗口打开后，将我们编译的c-mex文件所处位置设置为当前工作路径，然后如图6.1所示运行c-mex函数。
图6.1 在MATLAB中运行cublasDemo
运行c-mex函数后，关闭MATLAB窗口退出程序的执行。MATLAB关闭后，返回NVIDIA Visual Profiler，这时NVIDIA Visual Profiler会停止对MATLAB的信息收集并在窗口中生成结果，如图6.2所示。
图6.2 用NVIDIA Visual Profiler运行cublasDemo
将CUBLAS函数调用的地方展开，展开后除了时间分析外，还给出了其他细节，如图6.3所示。
图6.3 Visual Profiler运行cublasDemo展开GPU运算细节
在这个例子中，可以看到CUDA函数调用的实际时间线轴。可以看到，对于矩阵和矩阵的计算，调用了函数gen_sgemmNN_val(...)，如图6.4所示。(www.xing528.com)
图6.4 Visual Profiler运行cublasDemo后cublas函数细节
观察Details选项栏，可以看到每个CUDA函数调用所用的具体时间，特别地，可以得到内核函数中更多关于线程网格和线程块大小的详细信息。CUBLAS自动设定了线程网格和线程块的大小。此例中，
线程网格大小：[4,25,1]
线程块大小：[16,4,1]
由此我们可以知道，CUBLAS为大小为200×400的结果矩阵C共分配了6400 16×4×4×25）个线程。
综上所述，c-mex函数包含两个头文件（见图6.5）。当在MATLAB中编译mex代码时，同时指出了所调用的库以及库的位置。通过这种方式，扩展c-mex函数包含CUBLAS库。利用CUDA运行时库来为输入和输出数据分配和释放内存空间。CUBLAS函数除了执行矩阵和矩阵乘法的核心运算外，也负责数据在主机和GPU设备之间转移。
图6.5 cublasDemo c-mex生成过程
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。
