%
%  compute C = A*B, A:mxk, B:kxn, C:mxn
%
%  cubin file = ../method6/method6.cubin
%  kernel function = method6_sgemmNN
%  use device: GeForce GTX 295
%  m=n=k    gpu_time (ms)   flops (Gflops/s)
      5         0.018         0.013
      6         0.019         0.021
      7         0.019         0.034
      8         0.019         0.049
      9         0.021         0.064
     10         0.022         0.084
     11         0.023         0.106
     12         0.024         0.132
     13         0.026         0.160
     14         0.027         0.189
     15         0.028         0.229
     16         0.025         0.306
