最近在学习cuda，我使用的是特斯拉P100显卡。为什么使用nvidia cuda sample中的矩阵乘法样例程序测试浮点性能，测试速度单精度1657.76 GFlop/s双精度double 1078.98 GFlop/s。远达不到理论性能（只有大概1/5）。请问是什么原因造成的呢，有什么方法能够使显卡测试的浮点性能进一步提高？是优化编程方法吗？还是显卡的理论浮点性能只有通过算a*b+c这种简单的数学运算才能达到。谢谢。
最近在学习cuda，我使用的是特斯拉P100显卡。为什么使用nvidia cuda sample中的矩阵乘法样例程序测试浮点性能，测试速度单精度1657.76 GFlop/s双精度double 1078.98 GFlop/s。远达不到理论性能（只有大概1/5）。请问是什么原因造成的呢，有什么方法能够使显卡测试的浮点性能进一步提高？是优化编程方法吗？还是显卡的理论浮点性能只有通过算a*b+c这种简单的数学运算才能达到。谢谢。