Lab 01: CUDA GEMM 算子极致调优¶
实验目标¶
本实验通过由浅入深的四个阶段，实现并优化高性能单精度通用矩阵乘（SGEMM, \(C = A imes B\)）：
1. 阶段 1 (Naive)：直接使用全局内存读取，验证基本算法正确性与显存带宽瓶颈。
2. 阶段 2 (Shared Memory Tiling)：引入二维分块，将数据缓存在片上 SRAM，大幅降低全局显存访问量。
3. 阶段 3 (Bank Conflict Elimination)：分析 32-Bank 映射公式，通过添加 1 列 Padding 消除 Bank 冲突。
4. 阶段 4 (Double Buffering & Vectorized Load)：使用 float4 向量化读取与寄存器双缓冲隐藏访存时延。
目录结构与源文件¶
Makefile：NVCC 编译配置文件。gemm_kernels.cuh：包含 V1 到 V3 的 CUDA 算子实现。main.cu：基准评测驱动程序。