写一段cuda代码能进行矩阵乘法

好的，下面是一段示例代码，用于利用CUDA进行矩阵乘法：

__global__ void matrixMul(float *A, float *B, float *C, int N) {
    int row = blockIdx.y * blockDim.y + threadIdx.y;
    int col = blockIdx.x * blockDim.x + threadIdx.x;

    if (row < N && col < N) {
        float sum = 0;
        for (int i = 0; i < N; i++) {
            sum += A[row * N + i] * B[i * N + col];
        }
        C[row * N + col] = sum;
    }
}

在主函数中，可以调用该kernel进行矩阵乘法的运算：

int main() {
    int N = 1024;
    int size = N * N * sizeof(float);

    float *h_A = (float *)malloc(size);
    float *h_B = (float *)malloc(size);
    float *h_C = (float *)malloc(size);

    // 初始化A、B矩阵
    // ...

    float *d_A, *d_B, *d_C;
    cudaMalloc(&d_A, size);
    cudaMalloc(&d_B, size);
    cudaMalloc(&d_C, size);

    cudaMemcpy(d_A, h_A, size, cudaMemcpyHostToDevice);
    cudaMemcpy(d_B, h_B, size, cudaMemcpyHostToDevice);

    dim3 block(32, 32);
    dim3 grid((N + block.x - 1) / block.x, (N + block.y - 1) / block.y);

    matrixMul<<<grid, block>>>(d_A, d_B, d_C, N);

    cudaMemcpy(h_C, d_C, size, cudaMemcpyDeviceToHost);

    // 输出结果矩阵
    // ...

    cudaFree(d_A);
    cudaFree(d_B);
    cudaFree(d_C);

    free(h_A);
    free(h_B);
    free(h_C);

    return 0;
}

在这个示例代码中，`matrixMul`是进行矩阵乘法的kernel，其中`block`和`grid`分别指定了每个block和grid的大小。在主函数中，我们首先将数据从主机内存拷贝到设备内存，然后调用kernel进行计算，最后将结果从设备内存拷贝回主机内存。需要注意的是，在进行kernel调用时，需要指定grid和block的大小，以保证所有元素都能够被计算到。