教你一招，不会CUDA也能玩转矩阵加速

高性能计算领域的很多问题都在研究并行算法的实现，而矩阵计算又是高性能计算中应用非常广泛的内容。图形处理器GPU有着强大的并行处理能力，出色的浮点计算能力，大存储带宽和低成本，广泛用于求解大规模矩阵计算问题上，但是很多开发者将串行代码移植到GPU上时候存在一个问题：“学习CUDA好麻烦！”有木有？有木有？尤其对于那些非计算机专业的童学，要对自己算法进行加速才能毕业的.....

在这里，小编教你一招，让你在GPU上玩转矩阵加速！

秘密武器就是：ArrayFire！

ArrayFire是由美国一家公司叫Accelereyes开发的，为广大程序猿提供了快速开发数据并行程序的一个软件平台。

ArrayFire提供了简单的高级矩阵抽象函数而不是低级的GPU APIs,诸如CUDA、OpenCL、OpenGL,可以让那些非计算机专业的科学家、工程学家、经济学家充分利用GPU的硬件优势！

ArrayFire早就有了，只是由于当时是收费的，尽管针对高校提供了优惠折扣，但叫好不叫座——小编为什么知道这么多？因为我们是他们在中国的代理。

去年，ArrayFire开源了！

对于众多经费有限，又希望使用GPU加速的程序猿们，这无疑是喜大普奔！小编从此少了收入来源......

...但是没有关系，好东西还是要分享给大家！

好了，不多说，举几个例子，来看看这个ArrayFire有多好用吧！

seq:线性序列，主要用来替换for循环 eg：seq b(10, 20, 2); // [10, 20, 2] => 10, 12, 14....20 其中10-begin，20-end，2-step； array theta=seq(0,359);//转换成矩阵模式 af_print(cos(theta*3.1415/180));//角度转换 for(int i=0;i<360;i++)可以用seq(0,359)代替 顺便提一句，arrayfire是按列进行存储了，即360行1列

constant&randu：常数矩阵和随机矩阵生成 eg： array B = constant(1, 4, 4, s32);//4*4全0矩阵 B.row(0) = randu(1, 4, f32); // set a row to random values (also upcast) //randu（row，col，type）

complex：复数矩阵，除了赋值其他操作和常规操作一样。 eg:array data8=af::complex(datareal8,dataimag8);//8通道 array=complex(real,imag);

transpose：矩阵转置 eg：array DATAT=transpose(DATA);//对DATA转置 array DATAT=transpose(DATA,true);//对DATA共轭转置，适用于复数矩阵

inverse：矩阵求逆 eg：af::array IA = inverse(A) af::array I = af::matmul(A, IA);

是不是非常好用呢？大家可以动手试一试，去Arrayfire.com上下载玩一玩吧！从来导师再也不用担心你毕不了业了！