我本来想计算一个C=alphaAB，其中A[3][5]={{1,2,3,4,5},{6,7,8,9,10},{11,12,13,14,15}};B[5][3]={{1,2,3},{2,4,6},{3,6,9},{4,8,12},{5,10,15}}；alpha=5.0;
我知道cublasSgenmm()中矩阵是按照列为主进行储存的，所以我得写成A[5][3]={{1,2,3},{2,4,6},{3,6,9},{4,8,12},{5,10,15}};B[3][5]={{1,2,3,4,5},{6,7,8,9,10},{11,12,13,14,15}}；cublasSgemm(handle,transa,transb,3,3,5,&alpha,dev_A,3,dev_B,5,&beta,dev_C,3);其中beta=0;
感觉这样用起来好麻烦呀，我还得把A，B矩阵进行修改，有没有一种办法直接输入A,B矩阵就能直接计算呢？
楼主您好！
您可以使用"转置“操作来拨乱反正。
举个例子，我有a * b分别为：
1 1
2 2
3 3
1
1
然后乘法的结果应该是C：
2
4
6
您可以自然的用C语言写为:
float a[3][2] = {
{1,1},
{2,2},
{3,3}
};
float b[2][1] = {
{1},
{1}
};
可是这和常见的列优先存储相比，是颠倒的！
那么怎么办？您可以再颠倒过来(CUBLAS_OP_T)。
假设您已经有了handle, 对应的dev_a, dev_b, 和结果dev_c，
您可以cublasSgemm(您的handle, CUBLAS_OP_T, CUBLAS_OP_T, 3, 1, 2, &您的1.0f, dev_a, 2, dev_b, 1, &您的0.0f, dev_c, 3);
您即可直接得到结果[2.0f,4.0f,6.0f]T
(注意结果是列优先存储的).
感谢您来访！
祝您节日愉快！
EDIT：排版有点乱（修改了多次弄不好), 但不影响您看，您将就着点吧。
好的，非常感谢，我试试看！
嗯嗯。祝您成功！
结果却是如您所说，我现在有两个问题：1.我想写一个函数void matMulmat(){},功能就是C=alphaAB,然后我在这个函数中写一段代码将C转置，这样的话输出的C还是按行排列的，那么加了这段转置后会不会引起效率的明显下降？2.索性我整个算法所有的程序都按列存取，不过这样感觉挺别扭的，用C用习惯了行存取。
我想听听您的建议。
还有一个问题，CULA库中的culaSgemm()应该也是按列存取的吧？下面这段小程序为什么运行结果是错的呢，感觉就是按照CULA手册中进行的参数设置啊！
int main(void)
{
float alpha=1.0;
float beta=0.0;
float A[9]={1,2,3,4,5,6,7,8,9};
float B[9]={2,3,5,3,4,6,4,5,7};
float C[9];
culaSgemm(‘t’,‘t’,3,3,3,alpha,A,3,B,3,beta,C,3);
for(int i=0;i<9;i++)
{
printf(“%f\n”,C[i]);
}
printf(“\n”);
return 0;
}
恭喜楼主！
（1）效率下降是必然的。无论具体实现是（a）此转置是在device里另外开辟缓冲区复制转置结果，还是（b）在读取的时候进行了坐标变化。他们都引入额外的操作。而多干活了，自然不是免费的午餐。
（2）嗯嗯。您可以直接在CUDA里面写的时候是按列的。只要您不觉得麻烦即可。这样机器就少了一步操作。
实际上，麻烦机器是为了让您舒心。或者说，您麻烦了，机器就舒服了。您可以选择其一。
您觉得呢？
您好！我不懂CULA。
我建议您咨询他们的支持。这支持已经包含在您购买CULA的费用里面了。
感谢您的来访。
祝您假日愉快！
好的，还是让机器舒服些吧~
好的，其实我也没有购买，我用学校的邮箱注册的，下载的那个(full-edition)culaR13a竟然能用！像矩阵求逆这些都能够实现，当矩阵维数超过1000的时候，加速很明显！本来以为只能下载（free edtion）cula，那个只有6个函数，功能少的可怜！我到它的论坛去看看~
善哉。未尝不可以让人舒服点。。
(AB)^T = B^T A^T, 利用这个可以不用转置。另外建议参考一下SDK下面的例子，我记得有cublas实现矩阵相乘的。
善哉！风大威武87！千秋万代，一统江湖！！
我还得跟楼主道歉！因为我的数学知识不好！白白的让楼主转置3次了！！！（相乘的2个，结果的1个）。风大这个方法甚好！(AB)T = BT * AT!!
因为我们本来用C写的A和B，实际上是AT和BT，（因为C语言是颠倒的），
所以直接我们颠倒2者的相乘顺序即可。直接得到的就是_按行存储_的乘积！!
还是我给楼主您的举例：
我以前建议您使用CUBLAS_OP_T来2次转置，得到结果还需要转一次成C语言的行序。
现在不需要了，您可以直接使用OP_N+调换A和B：
cublasSgemm(您的handle, CUBLAS_OP_N, CUBLAS_OP_N, 1, 3, 2, &您的1.0f, dev_b, 1, dev_a, 2, &您的0.0f, dev_c, 1)来实现直接的C顺序的乘法，结果也是C顺序的！
这个请接受我的歉意。我白白的让您转置3次了。真心不好意思！（不过结果还是对的。只是浪费时间了，也浪费电了）！
感谢风大指出如此捷径。使得此公式从《线性代数》和《矩阵论》的课本里复活！再次感谢。
非常感谢！
非常感谢！去张家界的时候听过您在NVIDIA专场的报告！
呵呵！你的知识和技术一直很让我佩服，很少有人对技术的钻研有你那么深的．
谢谢啊！我表达能力比较差，在现场很好东西可能没有讲清楚．
挺好的呀，又不是竞选美国总统，无需那么出色的表达能力，掌握技术才是王道！
:handshake