一套以测量为中心的 CUDA 性能工程实验，覆盖内存访问、矩阵转置、归约、Warp 级操作和分块 GEMM。仓库同时保留 CPU 参考路径，因此没有 NVIDIA 硬件时也能运行正确性测试、生成结构化报告，并为后续上机复现实验保留完整 CUDA 源码。
当前提交的报告是在本机 cpu_only 模式生成的真实结果，不包含 GPU 时间或 GPU 加速结论。CUDA 数据必须在安装 NVIDIA 驱动和 CUDA Toolkit 的机器上重新测量。
评委速览：这是作品集的 CUDA 基础旗舰项目，重点展示 coalescing、shared memory、bank-conflict padding、warp shuffle 和 tiled GEMM。当前仓库提供 CPU 参考证据与完整 CUDA 源码；GPU 结果需在 CUDA 主机上按复现命令重新生成。
- 向量加法：设备分配、启动配置和带宽核算。
- 转置：复制基线、朴素全局内存、
tile[32][32]以及规避 bank conflict 的tile[32][33]共享内存版本。 - 归约：交错原子累加、共享内存归约和使用
__shfl_down_sync的 Warp shuffle 归约。 - GEMM：朴素版本、共享内存分块版本，以及 CUDA 构建可用时的 cuBLAS 对照。
- 基准协议：正确性、预热、重复计时、同步、统计摘要和 JSON/Markdown 报告。
CPU 参考路径只需要 Python 和 NumPy：
python scripts/run_tests.py
python scripts/run_all_benchmarks.py
python scripts/generate_report.py基准记录 median_ms、mean_ms、min_ms、std_ms、数据类型、设备、后端、预热次数、测量次数和有明确基线的相对加速比。CPU 计时使用自适应次数，并把实际次数写入 JSON。
在具备 CMake、C++ 编译器和 CUDA Toolkit 的机器上：
cmake -S . -B build -DCMAKE_BUILD_TYPE=Release
cmake --build build --config Release --parallel
ctest --test-dir build -C Release --output-on-failureCMake 会自动检测 CUDA。没有 CUDA 编译器时，只构建并注册 cpu_smoke_tests，.cu 源码仍可检查并等待后续上机。需要显式指定架构时，可使用 -DGPU_LAB_CUDA_ARCHITECTURES=all 或具体架构。
CUDA 使用 CUDA Events 计时，并在停止事件处同步；正确性始终先于预热和性能测量。转置报告读写总字节数除以中位时间得到的有效带宽，GEMM 在可用时与 cuBLAS 对比，不预设自定义内核必须超过厂商库。大规模用例会检查剩余显存，并在安全余量不足时写入结构化跳过记录。
当前机器的结果见 results/results.md，机器可读数据见 results/benchmark_results.json。由于本机没有 NVIDIA 驱动和 CUDA Toolkit，报告状态为 NOT BENCHMARKED ON CURRENT HARDWARE，记录行是 CPU 参考结果。
docs/execution_model.md：Grid、Block、Thread、Warp 和 SIMT 执行模型。docs/memory_optimization.md：全局内存合并访问、共享内存和 bank conflict 填充。docs/profiling_case_study.md：没有 Nsight 时的分析边界。
环境快照由 scripts/detect_environment.py 生成。每次硬件或编译器变化后重新执行：
python scripts/detect_environment.py --output-dir results
python scripts/run_all_benchmarks.py
python scripts/generate_report.py- 当前已记录环境没有 NVIDIA GPU、驱动、CUDA Toolkit 或 Nsight。
- CPU 路径用于验证算法行为和基准流程，不能替代 GPU 吞吐数据。
- 归约基线是用于教学和对照的简单原子累加，不作为生产实现推荐。
- 寄存器分块和 Tensor Core 路径不在当前维护范围内，除非有通过正确性测试的实际工作负载支持。