cuda 指导.docVIP

一、CUDA 编程模型 2009-10-21 CUDA的代码分成两部分，一部分在host(CPU)上运行，是普通的C代码；另一部分在device(GPU)上运行，是并行代码，称为kernel，由nvcc进行编译。 Kernel产生的所有线程成为Grid。在并行部分结束后，程序回到串行部分即到host上运行。 在CUDA中，host和device有不同的内存空间。所以在device上执行kernel时，程序员需要把host memory上的数据传送到分配的device memory上。在device执行完以后，需要把结果从device传送回host，并释放device memory。CUDA runtime system提供了API给程序员做这些事情。 Float *Md; Int size=Width*Width*sizeof(float); API： cudaMalloc((void**)Md, size)——从host code调用，为device在global memory分配内存空间。第一个参数是指向分配对象的地址，第二个参数是分配大小； cudaFree(Md)——释放device Global Memory。 cudaMemcpy(Md, M, size, dudaMemcpyHostToDevice)——内存数据传输。四个参数分别为：指向目的数据的指针，指向源（要copy的）数据指针，要copy出的数据字节数，传输方式（host to host, host to device, device to host, device to device） 内核部分 __global__说明这个函数是一个kernel，host function可以调用这个函数产生线程 threadIdx.x线程index 一个kernel被调用时，以并行线程的grid形式执行。一个kernel创建一个grid。Grid中的线程被组织成两个层次。在最顶层，每个grid包含一个或多个thread block。Grid中的所有block有相同数目的线程。每个thread block有一个唯一的二维坐标，由CUDA的特定关键字blockIdx.x和blockIdx.y指定。所有的thread block必须以相同的方式组织，并有相同数目的thread。 Thread block：包含相互之间能够协作的线程，这些线程通过同步或者在低延迟的shared memory之间共享数据进行协作。不同block里的线程不能协作。每个thread block组织成三位的线程数组，最大线程数目为512。Block中的线程坐标是唯一的，通过三个线程id指定：threadIdx.x, threadIdx.y, threadIdx.z。不是所有的应用程序会使用thread block的三个维度。 当host code调用一个kernel时，通过参数传递来设置grid和thread block的维度。如下： // Setup the execution configuration dim3 dimBlock(WIDTH, WIDTH); dim3 dimGrid(1, 1); // Launch the device computation threads! MatrixMulKerneldimGrid, dimBlock(Md, Nd, Pd); 以上是摘自David Kirk和Wen-mei Hwu的课程，讲的比较清楚。感觉CUDA编程一个比较自由的编程方式，由于是在C之上的扩展，加了一些关键字，比较容易，编程方式让人很好接受。一方面给了程序员很大的发挥空间，thread, thread block等都可以自由配置，另一方面也给程序员提出了挑战，这么大的空间中怎样编程以取得好的性能。 一个简单的矩阵乘程序 #includestdio.h #includestdlib.h #includecuda.h //内核程序 __global__ void MatrixMulKernel(float* Md, float* Nd, float* Pd, int Width) { //2D Thread ID int tx=threadIdx.x; int ty=threadIdx.y; printf(Im thread: %d %d\n,tx,ty); //Pvalue stores the Pd element that is computed by the thread float Pvalue=0; for(int k=0; kWidth; k++) { float Mdelement=Md[ty*Width+k]; float Ndelement=Nd[k*Width+t