例：有矩阵
a = {1 1 1;2 2 2;3 3 3;4 4 4;
5 5 5;6 6 6;7 7 7;8 8 8},
其中a是由两个子矩阵构成的，分别是{1 1 1;2 2 2;3 3 3;4 4 4;}和{5 5 5;6 6 6;7 7 7;8 8 8}，
b = {1 2 3 4;
1 2 3 4;
1 2 3 4;
5 6 7 8;
5 6 7 8;
5 6 7 8;}
这里b是将a中两个子矩阵分别转置后的结果，现在想在CUDA中实现b*a，也就是让a和b中的子矩阵分别同时运算，最终的结果应该是：
c = { 30 30 30;
30 30 30;
30 30 30;
174 174 174;
174 174 174;
174 174 174;}

这矩阵规模太小了。。。兄弟，如果你是做实验的话当我没说

有人接了吗，我可以做