Как оптимальным образом транспонировать матрицу с помощью blas?

Я делаю некоторые вычисления и делаю некоторый анализ сильных и слабых сторон различных реализаций BLAS. однако я столкнулся с проблемой.

Я тестирую cuBlas, выполнение linAlg на GPU показалось бы хорошей идеей, но есть одна проблема.

Реализация cuBlas с использованием основного формата столбцов, и, поскольку это не то, что мне нужно в конечном итоге, мне любопытно, есть ли способ заставить BLAS выполнять транспонирование матрицы?