调用cula和cublas的device接口的函数时，有一个根本的不同：调用cublas是立即返回，而调用cula则不同，是要等到程序运行完毕才返回。以下是测试的例子：

zgemm（cublas）：

call cpu_time(t0)

call  cublas_device_zgemm('N', 'N', nd, nd, na, -alpha, C_d, nd, F_d, na, alpha, D_d, nd)

call cpu_time(t1)

print *,'zgemm:',t1-t0

D=D_d

call cpu_time(t2)

D=D_d

call cpu_time(t3)

print *,'copy1:',t2-t1

print *,'copy2:',t3-t2

运行结果：

zgemm:  2.2888184E-05

copy1:    6.989143

copy2:    6.0188293E-02

不要以为zgemm运行只要0.00002秒，而数据拷贝用了近7分钟。这其实是一个假象。调用zgemm的函数，还没运行完毕，CPU立刻返回了。但接下来的D=D_d，却要等到前面的zgemm运行完毕才会开始传递数据。实际上，这6秒的时间是zgemm的运行时间。也就是在传递数据前，这个拷贝语句等待了6秒。再看第2个拷贝语句，只需要0.06秒，这才是真实的数据传递的时间。

zgesv(cula):

call cpu_time(t0)

info= cula_device_zgesv(na,na,A_d,na,ipiv_d,A_I_d,na)

call cpu_time(t1)

print *,'zgesv:',t1-t0

A=A_I_D

call cpu_time(t2)

print *,'copy:',t2-t1

运行结果：

zgesv:   10.26568    

copy:   6.0382843E-02

这里10.26秒的时间是zgesv真正运行的时间，0.06秒是数据传递的时间。可见，在调用cula的时候，CPU要等到程序运行完毕才返回。

因此，在调用cublas中的库函数时，在读取显存中的数据之前，可以充分利用这段时间做一些事情。而调用cula则不能，因为它必须等到程序完毕了才能返回。