Optimize SGEMM step by step

This project is a step-by-step guide to optimize the SGEMM step of the SGEMM algorithm.

Note: CUBLAS 中的矩阵是列主序的，因此为了便于对比，下面的 kernel 对应的宏也是基于列主序的，这样方便与 CUBLAS 计算得到的矩阵进行对比。