矩阵相乘

[linux91]

http://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html
在NVIDIA官方文档中矩阵相乘的例子，在未优化前，

// Matrix multiplication kernel called by MatMul()
 __global__ void MatMulKernel(Matrix A, Matrix B, Matrix C) {
 // Each thread computes one element of C
// by accumulating results into Cvalue
 float Cvalue = 0;
 int row = blockIdx.y * blockDim.y + threadIdx.y;
 int col = blockIdx.x * blockDim.x + threadIdx.x;
 for (int e = 0; e < A.width; ++e) 
       Cvalue += A.elements[row * A.width + e] * B.elements[e * B.width + col];
 C.elements[row * C.width + col] = Cvalue;
 }

矩阵按行存储，在每次计算时，每个线程读“A的一行，B的一列”，A的一行可以顺序读，B的一列不是顺序读的，gpu在执行的时候，应该是按一个线程束为单位去读？ 那读取矩阵B的时候，如何读？ 为什么说 A is therefore read B.width times from global memory and B is read A.height times. A读了B.width次？