matMul3.cu

__global__
void matMul3(
	float* d_C,
	float* d_A,
	float* d_B,
	int m,
	int n,
	int r)
{

	__shared__ float Ais[BLOCK_SIZE][BLOCK_SIZE];
	__shared__ float Bis[BLOCK_SIZE][BLOCK_SIZE];

	int i = blockIdx.x * BLOCK_SIZE + threadIdx.x;
	int k = blockIdx.y * BLOCK_SIZE + threadIdx.y;

	int cIdx = i*m + k;

	float val = 0; // ara toplam değişkeni

	for(int j=0; j < n / BLOCK_SIZE; j++)
	{
		Ais[threadIdx.y][threadIdx.x] = *loc( d_A, n, i, j );
		Bis[threadIdx.y][threadIdx.x] = *loc( d_B, n, j, k );

		// kullanılacak elemanlar paylaşık hafızaya yüklenir.
		__syncthreads();

		for(int k=0; k<BLOCK_SIZE;k++)
		{
			val += Ais[threadIdx.y][k] * Bis[k][threadIdx.x];
		}

		// tüm threadlerin sonucu yazması beklenir.
		__syncthreads();
	}

	// C matrisine bir kere yazılır.
	d_C[ cIdx ] = val;
}