Yu Shiqi CPP project 3. (96/100 pts)
相对比较满意的一次 proj.
项目要求：实现快速矩阵乘法，并测试特定大小（
实际实现的优化包括：
- 朴素算法：分块指令集优化
- Strassen算法
- CUDA
代码报告见 report 文件夹下，阅读 pdf 以获得更好的阅读体验，另外此文件夹下也附上了画图用的简易程序，很丑但是能用。
如果你测试发现部分效率和报告对不上？嘘。。。报告个别数据填串了，尤其是朴素的8k
如果你想做得更好：
- 虽然朴素算法基本达到了 OpenBLAS 的100-110%，但是实际上只有 kernel 写的比较精细，分块方式、分块参数方面都有很大提升空间，可以阅读 OpenBLAS 或报告参考资料中 Goto 的论文，尝试不同的分块方式。
- 使用自行实现的多线程。该项目目前多线程依赖 OpenMP，效果比较一般，你可以自己实现一下试试。
- Strassen 就是一坨
- CUDA 部分缺少参照，你可以加入 cuBLAS 的对照。并且这部分我是在ddl前两三天做的，优化严重欠缺，你可以实现更好的优化。
- 我没来得及写 arm 设备，如果你手头也没有，可以试试你的手机。Android Studio 对内嵌 C 语言还是比较友好的，随便套个模板就可以发布一个 app 到手机上测试了。不过这部分我没做，所以不保证能成。
如果你们还是用这个服务器， 这是一些忠告：
- 测试越早越好！后面服务器上人挤人根本没法测，所以 CUDA 部分实际上少了很多数据。
- 如果有申必人长时间占用服务器，比如半小时乃至几小时，不要给他脸，直接找助教 kill 掉他。