【Deepseek 学cuda】CUTLASS: Fast Linear Algebra in CUDA C++
CUTLASS: Fast Linear Algebra in CUDA C++
上面一次内存访问，数据计算重复N次，达到理论值，是要将A B C矩阵一次性全部放到缓冲里。所以实际做不到
在这里插入图片描述
k 在外层，可以将C放入寄存器， 遍历完所有的K之后，计算后，最终一次性将结果写回内存，而不需要中间结果写回内存
**
这里需要注意共享内存与寄存器的区别：
寄存器是线程私有的，每个线程的寄存器在物理上位于不同的位置，无法被其他线程访问。而共享内存是线程块内共享的，属于片上内存，访问速度快，适合协作。
当多个线程需要协作处理数据时，如果数据在寄存器中，每个线程必须独立处理自己的数据，无法直接共享，导致数据冗余或重复计算。而共享内存允许线程块内的线程共享数据，减少重复加载，提高效率。
由于共享内存是block 内所有线程共享的， 所以 可以让block 所有线程 写作将A B tile 一次性从HBM搬到SMEM。
但是由SMEM搬到寄存器， 每个线程会重复搬运。（每个线程有自己的寄存器）