这篇博客介绍了CUDA入门的第二个步骤，创建并运行第一个CUDA项目。文章详细阐述了项目结构，说明了CUDA源文件如何包含主机和设备代码。在`addWithCuda`函数中，展示了如何分配计算单元并在GPU上执行并行计算。最后，讨论了CUDA编程的核心——线程概念和并行化的本质，强调理解并发性和局部性对于充分利用GPU性能的重要性。建议读者深入研究官方文档以深化理解。
前面搭建好了CUDA的开发环境，现在来开始第一个程序看看，新建项目:
新建好后项目目录结构如下，一开始就一个文件"kernel.cu"，cu后缀说明项目将使用英伟达编译器而不是Visual C编译器，它是混合了主机代码和设备代码的源文件，主机代码是在CPU运行（串行），通过kernel调用，把数据传给GPU设备设备来执行（并行），然后再把结果拷贝回主机，这个流程可以在addWithCuda函数中看到:
重点的计算流程在addWithCuda函数中，这里分配了一个block，里面用数组大小个线程(这里为5)去计算，最后在109行把数据从设备空间拷贝到主机空间:
运行结果如下:
这里只是生成工程提供的一个模板，可以让我们了解到一些CUDA编程的基本方式，后面熟悉了可以直接把代码删了，改为我们实际需要的编程部分。
并行编程的核心是线程的概念，一个线程就是程序中的一个单一的执行流，多个线程组成线程束，如上，使用5个线程组成一个束，如果使用CPU编程，我们肯定是在一个for循环来完成的，现在这样处理，其实就是循环并行化，类似OpenMP的做法。我们要知道，CPU的设计是用来运行少量比较复杂的任务，而GPU的设计是用来进行大量比较简单的任务，在进行并行编程时，要时刻记住并发性与局部性，知道如何合理拆分数据去进行运算以更好利用GPU的特性。
另外，还应该多看看官方文档:
扫一扫
1447
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
