一次 FP32 SGEMM 的性能优化长征：从 naive kernel 的 306.7 GFLOPS 走到 warptiling 的 20405.1 GFLOPS，约为 cuBLAS 的 93.2%。

编程模型Grid-Block-Thread 同一个warp当中的thread是共享部分资源的 体系结构相关的优化案例 Occupancy-资源占用 case 1: active block 追求相对较小的task分割大小，以获得更高的block利用率（当然最好是...