引言从矩阵乘法到全连接层，cuBLAS让深度学习框架的底层加速变得触手可及上一节我们学习了cuBLAS的GEMM接口，并见证了它惊人的性能——比手写优化版本快5倍。在深度学习框架（PyTorch、TensorFlow）中，全连接层（Linear Layer）的核心就是矩阵乘法：Y = X * W^T + b。框架底层正是调用cuBLAS来实现这一操作，才能达到高效训练和推理。今天，我们将亲手用cuBLAS构建一个全连接层，并分析它与PyTorch原生实现的性能差异。你会看到，仅仅几行cuBLAS调用，就能达到框架级别的性能。同时，我们也会讨论融合操作（如add bias）和内存布局对性能的影响。一、全连接层的数学定义1.1 前向传播给定输入矩阵X（形状batch_size × in_features），权重矩阵W（形状out_features × in_features），偏置b（形状out_features），全连接层的输出为：Y = X * W^T + b其中*是矩阵乘法。输出Y的形状为batch_size × out