写的程序里会用到矢量运算，于是想，这样的并行用CUBLAS库是不是就可以了呢？于是今天瞅了瞅CUBLAS的简单应用的例子。你问小幻为什么不看高级应用？数学不好，那个例子讲解微分方程的，俺连手工怎么解都不晓得，别说用程序了。
应用很简单，就是调用库函数，做矩阵运算。师姐后来发给小幻一个网址，是一个人做的总结，觉得写的很好很概括，所以就偷懒粘过来，嘿嘿，这样我就不用总结啦~
1. 参考文档
CUBLAS_Library_2.1.pdf (话说我还没找，明天早晨找找)
2. 环境配置
1）添加头文件：cublas.h
2.）添加链接库：在能运行cuda程序的平台上，按照下面的方法添加cublas的lib文件：Project -> ** Properties -> Configuration Properties -> Linker -> Input -> Additional Dependencies -> 添加“cublas.lib”（这里如果用的是emu模式，不管是emudebug还是emurelease，添加的库要改成”cublasemu.lib”，切记，不然会报LINK2019错误）
3 文档的使用说明
CUBLAS_Library文档中提供了两种类型的库函数。
第一种：CUBLAS Helper function，该类库函数主要是为core function（即为第二类库函数） 利用GPU资源做准备，实现的功能包括显存空间的分配和释放，对向量和矩阵做set/get 操作等。
第二种：BLAS.x Function，也称为core function。其中x 可取1，2，3分别表示三种不同类型的线性代数的运算，BLAS.1 Function实现 vector 与vector 的运算，BLAS.2 Function实现 vector 与matrix 的运算，BLAS.3 Function 实现matrix 与 matrix 的运算。
Core Function 根据矩阵的类型和特殊矩阵的存储方式，提供了不同的接口。该库中包含的特殊矩阵类型有：常规型矩阵（general matrix），三角形矩阵（triangular matrix），对称矩阵（symmetric matrix），旋转矩阵（rotation matrix）。具体的存储方式见附录一 matrix type。针对稀疏矩阵，为了节约存储空间，cublas提供了两种存储方式：banded storage 和packed storage，具体的存储方式见附录二 storage type。
4 使用cublas 库函数的程序框架
1. cublasInit();
2. 将要计算的变量拷贝到显存上
3. 调用cublas core function
4. 将计算后变量拷贝回到内存上
5. cublasShutdown();
第二和第四步的说明：
将要计算的变量“放到”显存上，这里有两种方式来实现：
第一种利用cublas提供的helper function cublasAlloc和cublasSetMatrix，
第二种：利用cuda提供的cudamalloc 和cudaMemcpy。经过测试，这两种方式的执行效率相差不大（小幻今天的example用的是第二种）
本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/cuidiwhere/archive/2010/01/29/5271065.aspx
