使用Cuda進行GPU編程 ——GPU高性能編程Cuda實戰? ? 第四章C并行編程總結 開始學習Cuda和GPU編程的相關知識啦。 感覺GPU編程會越來越重視，尤其是在移動端的計算復雜度優化方面。掌握GPU編程，以后實習找工作也會方便很多。 最近一有時間就會學習GPU高性能編程Cuda實戰這本書，也會寫一些總結發表到博客里。 期望是：摸熟GPU這一領域，這是以前從來沒接觸過得地方；通過使用Cuda進行優化三維重建的項目，為簡歷填上一筆硬通貨。 Cuda的思想是： 按照類似于CPU的方法，對GPU提供通用計算的編程界面。 CPU的計算體系是： 在程序中運行的指令和臨時變量，一般是保存在內存中的。CPU把數據從內存中取出來計算，再存入到內存中。 簡要來說兩個部分：數據的存儲和計算。 GPU類似于CPU，只不過有更多的算術邏輯處理單元，更適合采用并行處理的算法來解決問題。 在考慮時，把GPU與CPU類似考慮，區別在于： 1.? ? 內存位置的不同。 2.? ? 計算方式的不同。 ?

1.? ? 內存位置的不同：

變量存儲在內存中，其物理地址，有的對應的是CPU的內存，有的是對應GPU的內存。（方便起見，暫時不考慮CPU的高速緩存機制） 放在CPU內存中的數據，只能被CPU讀寫；放在GPU內存中的數據，只能被GPU讀寫。 當然可以通過CudaMemcpy的方式，把CPU內存中的數據與GPU內存總的數據做交換。 考慮CPU和GPU的區別時，把CPU和CPU對應的內存當做主機，而GPU和GPU對應的內存當做設備device 在CPU中聲明一個指針的方法是： int *a = new int[10]; 這樣a就對應著CPU內存中一個長度為10的int數組的首地址 在GPU中分配內存則是： int *dev_a; cudaMalloc( (void **) &dev_a, 10 * sizeof(int) ); dev_a是一個指針，指向一段int型數組的首地址； &dev_a 是 指向dev_a的指針，通過cudaMalloc的函數，可以改變dev_a指向的位置。 分配完空間之后，dev_a指向的也就是GPU內存中一段int型數組的首地址。

2.? ? 計算方式的不同

在GPU中執行的函數被稱為核函數， 使用如下：kernel<<<1,1>>>>(params); 舉例來說： 聲明GPU的函數，需要用如下的方式： __global __ void add(int *a, int *b){???? } 使用時，add<<<N,1>>>(dev_a, dev_b); 聲明為global函數之后，才可以在主機上調用。 第一個參數表示，設備在執行核函數時使用的并行線程塊的數量。在函數中，可以通過blockIdx.x獲得當前線程塊的id (備注：cuda可以支持二維索引，通過grid實現) 簡單的并行處理就可以通過調用add函數來完成了。 不過真正的并行處理，還需要考慮到不同線程之間的通信、同步情況，這些內容留著學習下一章的時候再做介紹吧。

轉載于:https://www.cnblogs.com/leohan2013/p/3285143.html

總結

以上是生活随笔為你收集整理的Cuda编程学习（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。