Robotex

Здесь: pastebin.com/ggETxnX8 реализовано умножение двух массивов.

У меня несколько вопросов:
1. Количество элементов тут должно быть кратно 4. Как исправить, чтобы работать с любым количеством.
2. Откуда кернел знает с каким индексом он работает?
3. Как использовать два кернела и запускать один после другого?

CUDA: pastebin.com/TkrhuEWA
Что-то не так. Если L равно 1, то считает верно, если 2 и выше, то какие-то запредельные числа выходят.

for(int j=0;j<L;j++)
        {
          mulKernel<<<blocksMul, threadsMul>>>(devTemp, devInputs, devWeights, j*N*I, I);
          
          sumKernel<<<blocksSum, threadsSum>>>(devInputs, devTemp, N);
        }

Так, с OpenMP решил вот так: pastebin.com/sJ4fXiAb Теперь вроде заметно ускорение.
Сейчас думаю над CUDA. пока тоже все получается вроде.

А вот с GLSL беда. Я вообще не знаком с этой технологией, может кто помочь?

В чем принципиальная разница между этим: pastebin.com/8dpNKBwt (работает быстрее однопотокового аналога) и этим pastebin.com/fbe4gZSn (работает медленнее)?

Вот для CUDA пробую использовать cublas, перемножение матриц нашел, а вот как перемножить два массива не пойму.