遍历数据块阶段
累加各数据块中的部分和
遍历数据块阶段 是 CoddyKit 上的免费 CUDA Academy 课时。 这是第 3 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 CUDA Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 CUDA Academy 课程共包含 4 节课。
点积被拆分
完整的一行乘以完整的一列，规模太大，无法由一个分块处理。因此，您需要将这个长和拆分为宽度为 TILE 的多个块，每个阶段对应一个块。
计算阶段数量
如果矩阵宽度为 N、分块宽度为 TILE，那么需要 N / TILE 个阶段才能覆盖整个内维度。
int numPhases = (N + TILE - 1) / TILE;外层阶段循环
请将加载、同步和计算步骤放入一个遍历阶段的循环中。每次循环都会让分块窗口沿着 A 的行和 B 的列继续移动。
for (int phase = 0; phase < numPhases; ++phase) {
// load, sync, compute, sync
}跨阶段累加
局部 sum 变量位于循环外部，因此它会持续累加。每个阶段都会将点积的一部分加入当前总和。
float sum = 0.0f;
for (int phase = 0; phase < numPhases; ++phase) { ... }每个阶段的分块偏移量
每个阶段都会将从 A 读取的列和从 B 读取的行移动 phase * TILE。这就是窗口向前推进的方式。
As[ty][tx] = A[row*N + phase*TILE + tx];
Bs[ty][tx] = B[(phase*TILE + ty)*N + col];加载后同步
和之前一样，请在加载完成后调用 __syncthreads()，确保分块完整后再由任何线程对其进行计算。
__syncthreads();计算当前阶段的部分
内部循环会使用刚加载的分块，将 TILE 个乘积加入 sum。它贡献了最终点积中的一部分。
for (int k = 0; k < TILE; ++k)
sum += As[ty][k] * Bs[k][tx];第二次屏障同步
每个阶段结束时都要再次调用 __syncthreads()，这样当较慢的线程仍在读取分块时，就不会有线程覆盖该分块。🚧
__syncthreads(); // before the next phase loads为什么两次同步都很重要
一个屏障保护加载后的读取，另一个屏障保护读取后的加载。二者共同确保每个线程在各阶段保持同步执行。
写入最终总和
所有阶段完成后，当前的总和就是完整的点积。请在边界检查的保护下，将它写入 C 一次。
if (row < N && col < N)
C[row*N + col] = sum;处理不规则大小
当 N 不是 TILE 的整数倍时，请为超出范围的元素加载零，这样额外的乘积就不会对总和产生影响。
快速检查
请思考阶段循环期间，当前总和存放在哪里。
回顾
您遍历了各个阶段，移动分块，执行两次同步，并将部分和累加为一个总和。现在，让我们测量它到底快了多少。📈
用 AI 导师学习 C++ — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「遍历数据块阶段」课时是免费的吗？
是的 — 「遍历数据块阶段」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 CUDA Academy 课程的其余内容，请升级到 CoddyKit PRO。 CUDA Academy 课程共包含 4 节课。
「遍历数据块阶段」这节课中我会学到什么？
累加各数据块中的部分和 你通过在浏览器中直接运行的动手代码来练习 CUDA Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 CUDA Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 CUDA Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 3 节课，共 4 节。
「遍历数据块阶段」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 CUDA Academy 课中编写并运行代码吗？
能。每节 CUDA Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。