CUDA获取当前显卡最大的线程数量和线程块

#include <stdio.h>
#include <cuda_runtime.h>

int main() {
    int deviceCount;
    cudaGetDeviceCount(&deviceCount);

    for (int device = 0; device < deviceCount; device++) {
        cudaDeviceProp prop;
        cudaGetDeviceProperties(&prop, device);

        printf("Device %d: %s\n", device, prop.name);
        printf("最大线程块数量: %d\n", prop.maxBlocksPerMultiProcessor);
        printf("每个线程块的最大线程数量: %d\n", prop.maxThreadsPerBlock);
        printf("每个线程块的维度限制: (%d, %d, %d)\n", prop.maxThreadsDim[0], prop.maxThreadsDim[1], prop.maxThreadsDim[2]);
        printf("多处理器数量: %d\n", prop.multiprocessorCount);
        printf("每个多处理器的最大线程数量: %d\n", prop.maxThreadsPerMultiProcessor);
        printf("\n");
    }

    return 0;
}

Device 0: NVIDIA GeForce RTX 3080
最大线程块数量: 16
每个线程块的最大线程数量: 1024
每个线程块的维度限制: (1024, 1024, 64)
多处理器数量: 68
每个多处理器的最大线程数量: 2048

• 总线程能力： 总线程能力=多处理器数量×每个多处理器的最大线程数量总线程能力=多处理器数量×每个多处理器的最大线程数量。

假设：

• 多处理器数量：68
• 每个多处理器的最大线程数量：2048
• 最大线程块数量：16
• 每个线程块的最大线程数量：1024

如果尝试启动 100 个线程块，每个线程块有 1024 个线程：

• 总线程数 = 100 * 1024 = 102400

但是，由于 GPU 的总线程能力是 139264，可以并行处理这些线程。但是，如果尝试启动更多线程块或更大的线程块，可能会超出多处理器的处理能力，导致性能下降。

#include <iostream>  
#include <cuda_runtime_api.h>
#include <stdio.h>

#define HANDLE_ERROR(err) (HandleError(err, __FILE__, __LINE__))  

inline void HandleError(cudaError_t err, const char *file, int line) {  
    if (err != cudaSuccess) {  
        std::cerr << "CUDA error: " << cudaGetErrorString(err) << " in " << file << " at line " << line << std::endl;  
        exit(err);  
    }  
} 




__global__ void kernelFunction() {
    int threadId = threadIdx.x; // 获取线程在块内的 ID
    printf("Hello from thread %d in block %d\n", threadId, blockIdx.x);
}

int main() {
    int numBlocks = 16; // 定义 16 个线程块
    int threadsPerBlock = 1024; // 每个线程块 1024 个线程

    // 启动内核
    kernelFunction<<<numBlocks, threadsPerBlock>>>();

    // 等待 GPU 完成
    cudaDeviceSynchronize();

    return 0;
}