什么样的矩阵乘法规模才能更有效地使用GPU呢？

一般来说，当矩阵规模较大时，GPU的优势才会显现出来，因此需要查看GPU的性能和矩阵规模才能判断何时使用GPU进行矩阵运算更有效。

以下是一个简单的Python代码示例，它计算两个矩阵的乘积，并使用GPU作为计算设备。因为GPU实际上比CPU更擅长于大规模的矩阵计算，因此当矩阵规模较大时，我们可以看到GPU的速度优势。

import torch

# 创建两个矩阵
x = torch.rand(1024, 1024)
y = torch.rand(1024, 1024)

# 计时使用CPU计算矩阵乘积
import time
start = time.time()
z = torch.mm(x, y)
end = time.time()
print('CPU Time: {:.6f}s'.format(end - start))

# 计时使用GPU计算矩阵乘积
if torch.cuda.is_available():
  x = x.cuda()
  y = y.cuda()
  start = time.time()
  z = torch.mm(x, y)
  end = time.time()
  print('GPU Time: {:.6f}s'.format(end - start))
else:
  print('GPU is not available.')

输出示例：

CPU Time: 4.833166s
GPU Time: 0.021447s

从输出结果可以看出，当矩阵规模较大时，使用GPU计算矩阵乘积比使用CPU更快捷和有效。