#gpu

cuda · gpu · performance · systems

从朴素矩阵乘法出发，用共享内存分块优化 SGEMM，并通过多尺寸基准测试分析吞吐、冲突和异常点。

报告记录 512×512 测试达到 999.51 GFLOPS，相对 baseline 提升 85.5%。