第三篇：CUDA 标准编程模式

前言

本文将介绍 CUDA 编程的基本模式，所有 CUDA 程序都基于此模式编写，即使是调用库，库的底层也是这个模式实现的。

模式描述

1. 定义需要在 device 端执行的核函数。( 函数声明前加 _golbal_ 关键字 )

2. 在显存中为待运算的数据以及需要存放结果的变量开辟显存空间。( cudaMalloc 函数实现 )

3. 将待运算的数据传输进显存。( cudaMemcpy，cublasSetVector 等函数实现 )

4. 调用 device 端函数，同时要将需要为 device 端函数创建的块数线程数等参数传递进 <<<>>>。( 注: <<<>>>下方编译器可能显示语法错误，不用管 )

5. 从显存中获取结果变量。( cudaMemcpy，cublasGetVector 等函数实现 )

6. 释放申请的显存空间。( cudaFree 实现 )

PS：每个 device 端函数在被调用时都能获取到调用它的具体块号，线程号，从而实现并行( 获取方法请参考下面的编程规范说明以及代码示例 )。

编程规范说明

　　在 CUDA 标准编程模式中，增加了一些编程规范，在这里简要说明：

　　函数声明关键字：

　　　　1. __device__

　　　　表明此函数只能在 GPU 中被调用，在 GPU 中执行。这类函数只能被 __global__ 类型函数或 __device__ 类型函数调用。

　　　　2. __global__

　　　　表明此函数在 CPU 上调用，在 GPU 中执行。这也是以后会常提到的 "内核函数"，有时为了便于理解也称 "device" 端函数。

　　　　3. __host__

　　　　表明此函数在 CPU 上调用和执行，这也是默认情况。
　　内核函数配置运算符 <<<>>> - 这个运算符在调用内核函数的时候使用，一般情况下传递进三个参数：

　　　　1. 块数

　　　　2. 线程数

　　　　3. 共享内存大小 (此参数默认为0 )

　　内核函数中的几个系统变量 - 这几个变量可以在内核函数中使用，从而控制块与线程的工作：

　　　　1. gridDim：块数

　　　　2. blockDim：块中线程数

　　　　3. blockIdx：块编号 (0 - gridDim-1)

　　　　4. threadIdx：线程编号 (0 - blockDim-1)

　　知道这些已经足够编写 CUDA 程序了，更多的编程说明将在以后的文章中介绍。

代码示例

　　该程序采用 CUDA 并行化思想来对数组进行求和 (代码下方如果出现红色波浪线无视之)：

 // 相关 CUDA 库
 #include "cuda_runtime.h"
 #include "cuda.h"
 #include "device_launch_parameters.h"

 #include <iostream>
 #include <cstdlib>

 using namespace std;

 const int N = ;

 // 块数
 const int BLOCK_data = ;
 // 各块中的线程数
 const int THREAD_data = ; 

 // CUDA初始化函数
 bool InitCUDA()
 {
     int deviceCount; 

     // 获取显示设备数
     cudaGetDeviceCount (&deviceCount);

     if (deviceCount == )
     {
         cout << "找不到设备" << endl;
         return EXIT_FAILURE;
     }

     int i;
     for (i=; i<deviceCount; i++)
     {
         cudaDeviceProp prop;
         if (cudaGetDeviceProperties(&prop,i)==cudaSuccess) // 获取设备属性
         {
             if (prop.major>=) //cuda计算能力
             {
                 break;
             }
         }
     }

     if (i==deviceCount)
     {
         cout << "找不到支持 CUDA 计算的设备" << endl;
         return EXIT_FAILURE;
     }

     cudaSetDevice(i); // 选定使用的显示设备

     return EXIT_SUCCESS;
 }

 // 此函数在主机端调用，设备端执行。
 __global__
 static void Sum (int *data,int *result)
 {
     // 取得线程号
     const int tid = threadIdx.x;
     // 获得块号
     const int bid = blockIdx.x; 

     int sum = ;

     // 有点像网格计算的思路
     for (int i=bid*THREAD_data+tid; i<N; i+=BLOCK_data*THREAD_data)
     {
         sum += data[i];
     }

     // result 数组存放各个线程的计算结果
     result[bid*THREAD_data+tid] = sum;
 }

 int main ()
 {
     // 初始化 CUDA 编译环境
     if (InitCUDA()) {
         return EXIT_FAILURE;
     }
     cout << "成功建立 CUDA 计算环境" << endl << endl;

     // 建立，初始化，打印测试数组
     int *data = new int [N];
     cout << "测试矩阵: " << endl;
     for (int i=; i<N; i++)
     {
         data[i] = rand()%;
         cout << data[i] << " ";
         if ((i+)% == ) cout << endl;
     }
     cout << endl;

     int *gpudata, *result; 

     // 在显存中为计算对象开辟空间
     cudaMalloc ((void**)&gpudata, sizeof(int)*N);
     // 在显存中为结果对象开辟空间
     cudaMalloc ((void**)&result, sizeof(int)*BLOCK_data*THREAD_data);

     // 将数组数据传输进显存
     cudaMemcpy (gpudata, data, sizeof(int)*N, cudaMemcpyHostToDevice);
     // 调用 kernel 函数 - 此函数可以根据显存地址以及自身的块号，线程号处理数据。
     Sum<<<BLOCK_data,THREAD_data,>>> (gpudata,result);

     // 在内存中为计算对象开辟空间
     int *sumArray = new int[THREAD_data*BLOCK_data];
     // 从显存获取处理的结果
     cudaMemcpy (sumArray, result, sizeof(int)*THREAD_data*BLOCK_data, cudaMemcpyDeviceToHost);

     // 释放显存
     cudaFree (gpudata);
     cudaFree (result);

     // 计算 GPU 每个线程计算出来和的总和
     int final_sum=;
     for (int i=; i<THREAD_data*BLOCK_data; i++)
     {
         final_sum += sumArray[i];
     }

     cout << "GPU 求和结果为: " << final_sum << endl;

     // 使用 CPU 对矩阵进行求和并将结果对照
     final_sum = ;
     for (int i=; i<N; i++)
     {
         final_sum += data[i];
     }
     cout << "CPU 求和结果为: " << final_sum << endl;

     getchar();

     return ;
 }

运行测试

PS：矩阵元素是随机生成的

小结

1. 掌握本节知识的关键除了要掌握各个API，还要深刻理解内核函数中的块及线程变量的控制，或者说施展 :)

2. 一定要明确传递进 API 的是参数本身，还是参数的地址，这很关键。