测试发现有些cublas cusparse 函数耗时较大，不知什么原因
测试程序 共轭梯度法求Ax=b
迭代次数 2000
函数的总耗时分别为
cusparseDcsrmv 64.201954 s
cublasDdot 111.657334 s
cublasDaxpy 0.019073 s
暂时没有找到原因？不知您是否遇到过。
这个不是很正常啊？
是啊，可是还是没有找到问题？
又换了一个算例（矩阵大小约为900000*900000）
各函数的总耗时分别为
cusparseDcsrmv 12.444586 s
cublasDdot 62.754114 s
cublasDaxpy 0.007940 s
感觉Ddot还是相对偏大好多
换了一个算例，并且在每个函数后用了同步，各函数的总耗时分别为
cusparseDcsrmv 57.233769 s
cublasDdot 5.598629 s
cublasDaxpy 7.503384 s
感觉矩阵向量成绩耗时好多呀，问题出在哪呢？
进一步测试
矩阵一点一点的增大
发现矩阵大了，到百万量级，耗时就是大
除了用更好的显卡，还有别的办法吗？
但是 自己在测试中遇到另外一个问题，暂时没有找到原因
矩阵阶数3426033 迭代2000步
每行非零元素个数 cusparseDcsrmv耗时
3 52.09s
6 103.93s
5 55.77s
3到6感觉是近似线性增长，3到5为什么不是？
测试机器内存24G Quadro 600 显存1G 每行非零元素个数6个时，计算中监测内存占用561M