CホストコードでcublasSgemmを呼び出す結果が正しくない

Question

CホストコードからcuBLASライブラリ関数cublasSgemmを呼び出したときに、奇妙な数値が得られます。コンパイルして実行しますが、結果の行列の数値は正しくありません。

これらの関数をCホストコードで呼び出す際の問題は、C言語が行優先順序で行列を読み込み、cuBLAS関数が列優先順序で行列を読み込むFORTRANで記述されることです。

私はcublasSgemmのパラメータの多くの組み合わせを試しましたが、誰も正しく動作していないようです。

m1とm2の間で行列の多重化を実行する必要があるので、まずm2を渡してからcublas関数が（m2）Tと（m1）Tを読み込むようにします。それによって私は結果（r）T =（m2・m1）Tとなるはずです。 私のCコードは、最終的には、Rとして（R）Tを読んでください、私は、正しい番号を取得することはできません...ここ コードです：

cudaError_t vector_matrix_molt(float *m1, float *m2, float *r, int row1, int col1, int row2, int col2) { 

    //Device Memory allocation 
    float *d_m1; 
    float *d_m2; 
    float *d_r; 
    float a = 1.0f; 
    float b = 0.0f; 
    int stride = 1; 
    //CUDA stuff 
    cublasHandle_t handle; 
    cudaError_t cudaStatus; 


    cudaStatus = cudaMalloc((void**)&d_m1, col1*row1*sizeof(float)); 
    if (cudaStatus != cudaSuccess) { 
     fprintf(stderr, "cudaMalloc failed!"); 
     goto Error; 
    } 

    cudaStatus = cudaMalloc((void**)&d_m2, row2*col2*sizeof(float)); 
    if (cudaStatus != cudaSuccess) { 
     fprintf(stderr, "cudaMalloc failed!"); 
     goto Error; 
    } 

    cudaStatus = cudaMalloc((void**)&d_r, row1*col2*sizeof(float)); 
    if (cudaStatus != cudaSuccess) { 
     fprintf(stderr, "cudaMalloc failed!"); 
     goto Error; 
    } 

    cublasCreate(&handle); 

    // Copy Data to Device Memory 
    cudaStatus = cudaMemcpy(d_m1, m1, row1*col1*sizeof(float), cudaMemcpyHostToDevice); 
    if (cudaStatus != cudaSuccess) { 
     fprintf(stderr, "cudaMemcpy 1 failed!"); 
     goto Error; 
    } 

    cudaStatus = cudaMemcpy(d_m2, m2, row2*col2*sizeof(float), cudaMemcpyHostToDevice); 
    if (cudaStatus != cudaSuccess) { 
     fprintf(stderr, "cudaMemcpy 2 failed!"); 
     goto Error; 
    } 

    /*cublasStatus_t cublasSgemm(cublasHandle_t handle, cublasOperation_t transa, cublasOperation_t transb, 
    int m, int n, int k, const float *alpha, const float *A, int lda, const float *B, int ldb, const float *beta, float *C, int ldc 
    */ 
    //Calling cuBLAS library function... 
    cublasSgemm(handle, CUBLAS_OP_N, CUBLAS_OP_N, col2, row1, col1, &a, d_m2, col2, d_m1, col1, &b, d_r, row1); 

    // Check for any errors launching the kernel 
    cudaStatus = cudaGetLastError(); 
    if (cudaStatus != cudaSuccess) { 
     fprintf(stderr, "moltKernel launch failed: %s\n", cudaGetErrorString(cudaStatus)); 
     goto Error; 
    } 

    // cudaDeviceSynchronize waits for the kernel to finish, and returns 
    // any errors encountered during the launch. 
    cudaStatus = cudaDeviceSynchronize(); 
    if (cudaStatus != cudaSuccess) { 
     fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching cublasSgemv!\n", cudaStatus); 
     //printf("Cuda Error: %s\n", cudaGetErrorString(cudaStatus)); 
     goto Error; 
    } 

    // Copy output vector from GPU buffer to host memory. 
    cudaStatus = cudaMemcpy(r, d_r, row1*col2* sizeof(float), cudaMemcpyDeviceToHost); 
    if (cudaStatus != cudaSuccess) { 
     fprintf(stderr, "cudaMemcpy 3 failed!"); 
     goto Error; 
    } 

Error: 
    cudaFree(d_m1); 
    cudaFree(d_m2); 
    cudaFree(d_r); 

    return cudaStatus; 
} 

Answer 1

を変更する必要がある唯一のものはの主要な薄暗いですr。

cublasSgemm(handle, CUBLAS_OP_N, CUBLAS_OP_N, col2, row1, col1, &a, d_m2, col2, d_m1, col1, &b, d_r, col2); 

さらに詳しい説明については、この回答を参照してください。

Transpose matrix multiplication in cuBLAS howto