Why is cuBLAS’s batched matrix multiplication so much slower when transposing for small matrices?

I’ve been playing around with cuBLAS’s strided batch matrix-matrix multiplication and I was suprised to find that for small matrix sizes, enabling the transposition flag drastically reduces performance for small matrix sizes.

I’ve attached some code to demonstrate my findings. Apologies that it is in Julia using CUDA.jl—I assume that it is still perfectly understanding to a C++ CUDA developer. The code snippet compares:

  1. gemm without transposition
  2. gemm with transposition of B
  3. manually transposing B using a custom kernel and then using gemm with no transposition
using BenchmarkTools
using CUDA

N = 1000
D = 3

A = CUDA.randn(D, D, N)
B = CUDA.randn(D, D, N)

# Simple kernel to transpose the first two dimensions of a 3D array
function batch_transpose!(B, B_T)
    index = (blockIdx().x - 1) * blockDim().x + threadIdx().x
    stride = blockDim().x * gridDim().x
    for i in index:stride:size(B, 3)
        for j in 1:size(B, 2)
            for k in 1:size(B, 1)
                B_T[k, j, i] = B[j, k, i]
            end
        end
    end
end

# Compute A * B_T by first transposing B explicitly
function transpose_first(A, B)
    B_T = CuArray{Float32}(undef, size(B, 2), size(B, 1), size(B, 3))
    @cuda threads = 256 blocks = ceil(Int, size(B, 3) / 256) batch_transpose!(B, B_T)
    return CUDA.CUBLAS.gemm_strided_batched('N', 'N', A, B_T)
end

# Benchmark the three approaches
bench1 = @benchmark CUDA.@sync CUDA.CUBLAS.gemm_strided_batched('N', 'N', $A,$B)
bench2 = @benchmark CUDA.@sync CUDA.CUBLAS.gemm_strided_batched('N', 'T', $A, $B)
bench3 = @benchmark CUDA.@sync transpose_first($A, $B)

# Print the results
println("Non-transposed gemm: $(median(bench1.times) / 1e6)")
println("Transposed gemm: $(median(bench2.times) / 1e6)")
println("Transposed manually: $(median(bench3.times) / 1e6)")

Benchmarks ran on an RTX 4090

When D=3, the output is

Non-transposed gemm: 9.854 μs
Transposed gemm    : 25.248 μs
Transposed manually: 14.011 μs

That is, gemm with transposition is much slower than without as is comfortably beaten by my thrown-together kernel for directly transposing the batch first.

When D=30, the output is

Non-transposed gemm: 38.468 μs
Transposed gemm    : 38.357 μs
Transposed manually: 309.046 μs

The gap between non-transposed and transposed gemm has closed and by hacky approach is slow (as expected).


I’m surprised that for an operation as common as batch multiplication with a transposition cuBLAS performs so poorly.

Is there any intuition as to why this is the case?

Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa Dịch vụ tổ chức sự kiện 5 sao Thông tin về chúng tôi Dịch vụ sinh nhật bé trai Dịch vụ sinh nhật bé gái Sự kiện trọn gói Các tiết mục giải trí Dịch vụ bổ trợ Tiệc cưới sang trọng Dịch vụ khai trương Tư vấn tổ chức sự kiện Hình ảnh sự kiện Cập nhật tin tức Liên hệ ngay Thuê chú hề chuyên nghiệp Tiệc tất niên cho công ty Trang trí tiệc cuối năm Tiệc tất niên độc đáo Sinh nhật bé Hải Đăng Sinh nhật đáng yêu bé Khánh Vân Sinh nhật sang trọng Bích Ngân Tiệc sinh nhật bé Thanh Trang Dịch vụ ông già Noel Xiếc thú vui nhộn Biểu diễn xiếc quay đĩa Dịch vụ tổ chức tiệc uy tín Khám phá dịch vụ của chúng tôi Tiệc sinh nhật cho bé trai Trang trí tiệc cho bé gái Gói sự kiện chuyên nghiệp Chương trình giải trí hấp dẫn Dịch vụ hỗ trợ sự kiện Trang trí tiệc cưới đẹp Khởi đầu thành công với khai trương Chuyên gia tư vấn sự kiện Xem ảnh các sự kiện đẹp Tin mới về sự kiện Kết nối với đội ngũ chuyên gia Chú hề vui nhộn cho tiệc sinh nhật Ý tưởng tiệc cuối năm Tất niên độc đáo Trang trí tiệc hiện đại Tổ chức sinh nhật cho Hải Đăng Sinh nhật độc quyền Khánh Vân Phong cách tiệc Bích Ngân Trang trí tiệc bé Thanh Trang Thuê dịch vụ ông già Noel chuyên nghiệp Xem xiếc khỉ đặc sắc Xiếc quay đĩa thú vị
Trang chủ Giới thiệu Sinh nhật bé trai Sinh nhật bé gái Tổ chức sự kiện Biểu diễn giải trí Dịch vụ khác Trang trí tiệc cưới Tổ chức khai trương Tư vấn dịch vụ Thư viện ảnh Tin tức - sự kiện Liên hệ Chú hề sinh nhật Trang trí YEAR END PARTY công ty Trang trí tất niên cuối năm Trang trí tất niên xu hướng mới nhất Trang trí sinh nhật bé trai Hải Đăng Trang trí sinh nhật bé Khánh Vân Trang trí sinh nhật Bích Ngân Trang trí sinh nhật bé Thanh Trang Thuê ông già Noel phát quà Biểu diễn xiếc khỉ Xiếc quay đĩa
Thiết kế website Thiết kế website Thiết kế website Cách kháng tài khoản quảng cáo Mua bán Fanpage Facebook Dịch vụ SEO Tổ chức sinh nhật