1.cpu的运算
对于cpu的运算，我们需要遍历3次，如果A*B=C,A为M*K维，B维K*N维，C为M*N为，则我们首先要遍历P的M维和N维，在遍历K维进行计算：
2.gpu运算
对gpu运算，由于是并行运算，C矩阵的每个数值同时计算，我们的思路是每个线程（thread）处理一个矩阵上的数值，所以线程的坐标可以代表矩阵C的坐标，例如对于矩阵C8*8的矩阵：
我们可以让blockdim为4*4，也就是一个block中有16个线程，则2*2的grid就能算完所有C矩阵上的值，具体我们的核函数如下：
下面我们把cpu的数据传入gpu中进行并行运算：
进行试验：
实验参数：
实验我们进行了5组：有cpu，gpu预热，blocksize=16，blocksize=1，blocksize=32。
实验结果：
显然即便是预热的gpu运算也比cpu快，后面几组可以说明一些问题，gpu_blocksize=1运算的速度最慢，因为同一个block（线程块）中的所有thread（线程）共享一块该block专属的 shared memory；而同一个grid（线程格）中的不同block之间，各自的 shared memory 是相互独立、完全隔离的，所以blocksize=1代表着每个线程都不是共享的，算法只能依赖全局内存，访问速度很慢，而为什么blocksize=32变得就很快了呢？且硬件调度无冗余，GPU 以 32 个线程为 1 个 warp 调度，q所以blocksize=32最快。
优化：数据其实一直都是在gobalmemory中取，其实很慢，我们可以创建sharememory来加快速度。
