Matrix Copy

原始题目：LeetGPU - Matrix Copy

题目描述

编写一个 GPU 程序，在 GPU 上将 $N \times N$ 的 32 位浮点数矩阵从输入数组 $A$ 复制到输出数组 $B$。程序应执行直接的逐元素复制，使得对于所有有效索引满足 $B[i][j] = A[i][j]$。

实现要求

• 不允许使用外部库。
• solve 函数签名必须保持不变。
• 最终结果必须存储在矩阵 $B$ 中。

示例

示例 1

Input:  A = [[1.0, 2.0], [3.0, 4.0]]
Output: B = [[1.0, 2.0], [3.0, 4.0]]

示例 2

Input:  A = [[5.5, 6.6, 7.7], [8.8, 9.9, 10.1], [11.2, 12.3, 13.4]]
Output: B = [[5.5, 6.6, 7.7], [8.8, 9.9, 10.1], [11.2, 12.3, 13.4]]

约束条件

• $1 \le N \le 4{,}096$。
• 所有元素均为 32 位浮点数。
• 性能测试在 $N = 4{,}096$ 的规模下进行。

解题思路

矩阵拷贝是 GPU 中最基础的操作之一，可以直接使用 cudaMemcpy（设备端到设备端），也可以手写一个逐元素拷贝的 kernel。手写 kernel 的训练意义在于理解内存合并访问的重要性：确保线程按行优先顺序访问，以最大化合并事务的吞吐。欢迎在 GitHub Discussions 分享你的解法。