import?numpy?as?np
from?numba?import?cuda?float64?jit
from?scipy?import?sparse
import?os
import?time
time_start=time.time（）
cuda.select_device（0）


#?使用jit模式加速單一元素乘法運算
@jit（nopython=True）
def?multiply（c?d）:
????return?c?*?d


#?使用jit模式加速單一元素減法運算
@jit（nopython=True）
def?subtract（e?f）:
????return?e?-?f


#?使用jit模式加速梯度下降算法
@jit（nopython=True）
def?gradient_descent（err?p?la?lr?q）:
????return?q?+?（（err?*?p）?-?（la?*?q））?*?lr


#?Thread?Per?Block
TPB?=?int（32）


#?使用cuda.jit模式，用gpu加速矩陣的乘法運算
@cuda.jit
def?fast_matmul（a?b?c）:
????sa?=?cuda.shared.array（shape=（TPB?TPB）?dtype=float64）
????sb?=?cuda.shared.array（shape=（TPB?TPB）?dtype=float64）

????x?y?=?cuda.grid（2）

????tx?=?cuda.threadIdx.x
????ty?=?cuda.threadIdx.y
????#?bpg?=?cuda.gridDim.x

????if?x?>=?c.shape[0]?and?y?>=?c.shape[1]:
????????#?Quit?if?（x?y）?is?outside?of?valid?C?boundary
????????return

????tmp?=?0
????for?i?in?range（hid）:
????????sa[tx?ty]?=?a[x?ty?+?i?*?TPB]