c - cuda行列の乗算サイズ

Question

私はcuda cを初めて使用しています..共有メモリを使用して基本的な行列乗算プログラムを作成しました..しかし問題は、行列のサイズを288を超えて増やすことができず、そうするとスタックオーバーフローエラーが発生することです..私はnvidia gtx 480 gpuを持っています..サイズを大きくする方法と、私がしている間違いを教えてください。

#define tile_width 16
#define width 288
void mat_mul_kernel1(int *a,int *b,int *c)
{
    int row= blockIdx.y*blockDim.y + threadIdx.y;
    int col= blockIdx.x*blockDim.x + threadIdx.x;
    int pvalue=0;
    __shared__ int sha[tile_width*tile_width];
    __shared__ int shb[tile_width*tile_width];

    for (int m=0;m<width/tile_width;m++)
    {
        sha[threadIdx.y*tile_width+threadIdx.x]=a[row*width+(m*tile_width)+threadIdx.x];
        shb[threadIdx.y*tile_width+threadIdx.x]=b[(m*tile_width+threadIdx.y)*width+col];
        __syncthreads();
        for (int k=0;k<tile_width;k++)
            pvalue+=sha[threadIdx.y*tile_width+k]*shb[k*tile_width+threadIdx.x];
        __syncthreads();
    }

    c[row*width+col]=pvalue;
}
int main()
{
    int a[width*width],b[width*width],c[width*width];
    int *deva,*devb,*devc;
    float etime;
    for (int i=0;i<width;i++)
    {
        for(int j=0;j<width;j++)
        {
            a[i*width+j]=1;
            b[i*width+j]=1;
        }
    }
    cudaEvent_t start,stop;
    cudaEventCreate(&start);
    cudaEventCreate(&stop);
    dim3 dimGrid((int)(width)/tile_width,(int)(width)/tile_width);
    dim3 dimBlock(tile_width,tile_width);
    cudaError_t error;
    error=cudaMalloc((void**)&deva,width*width*sizeof(int));
    if(error!= cudaSuccess)
    {
        printf("error at a allocation");
        exit(EXIT_FAILURE);
    }
    error=cudaMemcpy(deva,a,width*width*sizeof(int),cudaMemcpyHostToDevice);
    if(error!= cudaSuccess)
    {
        printf("error at a copying");
        exit(EXIT_FAILURE);
    }
    error=cudaMalloc((void**)&devb,width*width*sizeof(int));
    if(error!= cudaSuccess)
    {
        printf("error at b allocation");
        exit(EXIT_FAILURE);
    }
    error=cudaMemcpy(devb,b,width*width*sizeof(int),cudaMemcpyHostToDevice);
    if(error!= cudaSuccess)
    {
        printf("error at b copying");
        exit(EXIT_FAILURE);
    }
    error=cudaMalloc((void**)&devc,width*width*sizeof(int));
    if(error!= cudaSuccess)
    {
        printf("error at c allocation");
        exit(EXIT_FAILURE);
    }
    cudaEventRecord(start,0);
    mat_mul_kernel1<<<dimGrid,dimBlock,tile_width*tile_width*sizeof(int)>>>(deva,devb,devc);
    cudaEventRecord(stop,0);
    cudaEventSynchronize(stop);
    cudaEventElapsedTime(&etime,start,stop);
    error=cudaMemcpy(c,devc,width*width*sizeof(int),cudaMemcpyDeviceToHost);
    if(error!= cudaSuccess)
    {
        printf("error at c copying");
        //exit(EXIT_FAILURE);
    }
    cudaFree(deva);
    cudaFree(devb);
    cudaFree(devc);
    printf("ElapsedTime %f milliseconds",etime);
}