关于一维数组存储的矩阵转置问题

Question

在《CUDA C编程权威指南》第155页给出了CPU端的矩阵转置代码，如下所示

void transposeHost(float* out, float* in, const int nx, const int ny) {
    for (int iy = 0; iy < ny; ++iy) {
        for (int ix = 0; ix < nx; ++ix) {
            out[ix * ny + iy] = in[iy * nx + ix];
        }
    }
}

但是我发现该代码只能对方阵的转置有效，我的测试如下：

int main() {
    const int nx = 3; 
    const int ny = 4; 
    float in[12] = { 0,1,2,3,4,5,6,7,8,9,10,11 };
    float out[12];

    transposeHost(out, in, nx, ny);

    std::cout << "转置后的输出：";
    for (int i = 0; i < 12; ++i) {
        std::cout << out[i] << " ";
    }
    std::cout << std::endl;

    return 0;
}

以上这个3行4列的矩阵就不能成功转置，然而换成以下这个2x2的方阵就可以:

int main() {
    const int nx = 2; 
    const int ny = 2; 
    float in[4] = { 0,1,2,3};
    float out[4];

    transposeHost(out, in, nx, ny);

    std::cout << "转置后的输出：";
    for (int i = 0; i < 4; ++i) {
        std::cout << out[i] << " ";
    }
    std::cout << std::endl;

    return 0;
}

请问这是为什么？

Answer 1

根据参考链接，好像是因为作者为了简单起见，只考虑了边长为32的整数倍的1024x1024的方阵。
参考链接：
https://zhuanlan.zhihu.com/p/568769940
https://zhuanlan.zhihu.com/p/628911759