目前有两个库使用了TensorCore技术：cuBLAS与cuDNN。
cuBLAS主要加速了GEMM计算，cuDNN里主要用来加速卷积和RNN
而如何cuBLAS与cuDNN无法满足需求，也可以直接调用Tensor Cores进行编程。
Tensor Cores的调用API在nvcuda::wmma命名空间里。通过调用API进行数值初始化，进行矩阵乘加（MMA）操作然后再把数值存回内存。cuda官方给出了一个直接调用的例子，如果想要针对tensorcore进行高性能的优化，可以参考CUDA Toolkit 的cudaTensorCoreGemm。
TensorCore的使用方法：
头文件和命名空间
#include <mma.h>
using namespace nvcuda;
声明和初始化
tile矩阵乘法
const int WMMA_M = 16;
const int WMMA_N = 16;
const int WMMA_K = 16;
__global__ void wmma_example(half *a, half *b, float *c,
int M, int N, int K,
float alpha, float beta)
{
int lda = M;
int ldb = K;
int ldc = M;
int warpM = (blockIdx.x * blockDim.x + threadIdx.x) / warpSize;
int warpN = (blockIdx.y * blockDim.y + threadIdx.y);
【1】使用TensorCore编程：https://devblogs.nvidia.com/programming-tensor-cores-cuda-9/
【2】TensorCore wiki ：https://github.com/maddyscientist/mixed-precision/wiki
