《GPU高性能运算之CUDA》,gpu高性能运算之cuda
因为这本书内容很多，而且很多都是和其他讲解cuda的书重复的，所以我只翻译一些重点。时间就是金钱。让我们一起学习cuda。如有错误，请指正。
既然我暂时没时间仔细看第一章和第二章，那就从第三章开始吧。
我不喜欢被别人控制，所以我会重写所有没有它头文件的程序。有些节目太无聊，还是算了吧。
//hello.cu
#包含stdio.h
#包含cuda.h
int main( void ) {
printf(‘你好，世界！ n’)；
返回0；
}
这个第一个cuda程序并不是一个严格的cuda程序，它只是使用了cuda的头文件，并编译了命令：nvcc hello.cu -o hello
执行命令：/你好
没有在cuda上执行任何任务。
第二个节目
#包含stdio.h
#包含cuda.h
__global__ void内核(void){}
int main( void ) {
内核1，1
printf(‘你好，世界！ n’)；
返回0；
}
这个程序调用一个函数。__global__表示函数在CPU上调用，在GPU上执行。
三个尖括号中的参数是什么？看下一章
1 #包含stdio.h
2 #包含cuda.h
3 __global__ void add( int a，int b，int *c ) {
4 * c=a b；
5 }
6 int main(空)
7 {
8 int c；
9 int * dev _ c；
10 cudaMalloc( (void**) dev_c，sizeof(int))；
11添加1，1 ( 2，7，dev _ c)；
12 cudamemacpy(c，dev_c，sizeof(int)，cudamemacpydevicetohost)；
13 printf( 2 7=%dn ，c)；
14 cuda free(dev _ c)；
15返回0；
16 }
17
CudaMalloc()在GPU上分配存储空间。cudaMemcpy就是将运行结果从GPU复制到CPU，或者将执行参数从CPU复制到GPU。
CudaFree就是释放GPU上的空间，和CPU上的Free意思一样，只是对象不同。
本章的重点(对我来说)是3.3访问GPU(设备)
这一章呢？意思是，如果你没有正在使用的GPU的使用说明书，或者懒得拆解，或者为了让你的程序适用于更多不同的硬件环境，尝试通过编程来获取一些关于GPU的参数。
一大堆废话。你自己看吧。我有意义地说和写。
现在很多电脑不是只有一个GPU显卡，尤其是显卡做计算的集成环境，我们可以通过
int计数；
cudaGetDeviceCount(计数)；
获取集成环境中的显卡数量。
然后通过结构cudaDeviceProp就可以得到显卡的相关性能。
以cuda3.0为例。
这个定义好的组织可以直接在你自己的程序中调用，不需要你自己定义。
struct cudaDeviceProp {
char name[256]；//设备的名称
size _ t totalGlobalMem//全局内存的字节大小
size _ t sharedMemPerBlock//线程块可以使用的最大共享内存。字节为单位，多处理器上的所有线程块可以同时共享这些内存。
int regsPerBlock//线程块可以使用的32位寄存器的最大值，多处理器上的所有线程可以同时使用这些寄存器。
int warpSize//由线程计算的包装块大小
size _ t memPitch//内存复制是允许的最大间距，通过cudaMallocPitch()允许包含内存区域的内存的复制函数的最大间距，以字节为单位。
int maxThreadsPerBlock//每个块中的最大线程数
int maxThreadsDim[3]；//块的每个维度的最大值
int maxGridSize[3]；//网格每个维度的最大值
size _ t totalConstMem//常量内存的大小
int专业；//计算能力的主要代码
int minor//计算能力的二级代码
int clockRate//时钟频率
size _ t textureAlignment//纹理的对齐要求
int deviceOverlap//设备可以同时执行cudaMemcpy()和设备的核心代码吗？
int多处理器计数；//设备上多个处理器的数量
int kernelExecTimeoutEnabled//可以对核心代码的执行时间设置限制吗？
int集成；//这个GPU是集成的吗？
int canMapHostMemory//这个GPU可以说主CPU上的内存映射到GPU设备的地址空间吗？
int computeMode//计算模式
int maxTexture1D//一维纹理的最大维度
int max texture 2d[2]；//二维口感的最大维度
int max texture 3d[3]；//三维口感的最大维度
int max texture 2 Dar ray[3]；//二维口感阵列的最大维度
（同Internationalorganizations）国际组织并发内核；//GPU是否支持同时执行多个核心程序
}
实例程序：
1 #包含标准视频
2 #包含标准库
3 #包含cuda.h
四
5 int main()
6 {
7 int I；
8 /*cudaGetDeviceCount(计数)*/
9 int计数
10 cudaGetDeviceCount(计数);
11 printf( CUDA设备的计数：%dn ，计数)；
12 ////
13
14 cudaDeviceProp道具；
15 for(I=0；我数；我)
16 {
17 cudaGetDeviceProperties( prop，I)；
18 printf(n -设备%d的一般信息- n ，I)；
19 printf( cuda设备的名称：%sn ，属性。姓名)；
20 printf(计算能力：%d.%dn ，prop.major，prop。未成年)；
21 printf(时钟速率：%dn ，属性。时钟速率)；
22 printf(设备复制重叠（同时执行一个cudaMemcpy()和内核执行):);
23如果(prop.deviceOverlap)
24 printf( Enabled n )；
其他25个
26 printf( Disabled n )；
27 printf(内核执行超时（在此设备上执行的内核是否有运行时限制):);
28如果(道具。kernelexectimeoutenabled)
29 printf( Enabled n )；
其他30个
31 printf( Disabled n )；
32
33 printf(n -设备%d - n ，我的内存信息);
34 printf(总全局内存字节数：%ldn ，属性。totalglobalmem)；
35 printf(总常数内存：%ldn ，属性。totalconstmem)；
36 printf(以字节为单位的内存副本的最大内存间距：%ldn ，属性。mempitch)；
37 printf(纹理对齐：%ldn ，属性。纹理对齐)；
38
39 printf(n -设备%d的下院议员信息- n ，I)；
40 printf(多处理器计数：%dn ，属性。多协议计数)；
41 printf(每个国会议员的共享内存（块):%ldn ，prop。sharedmperblock)；
42 printf(每个国会议员的寄存器（块):%dn ，prop。regsperblock)；
43 printf(经线中的线：%dn ，属性。扭曲尺寸)；
44 printf(每个块的最大线程数：%dn ，属性。maxthreadsperblock)；
45 printf(一个块中的最大线程维数：(%d，%d，%d)n ，prop.maxThreadsDim[0]，prop.maxThreadsDim[1]，prop。maxthreadsdim[2])；
46 printf( Max blocks dimensions in a grid:(%d，% d，%d)n ，prop.maxGridSize[0]，prop.maxGridSize[1]，prop。maxgridsize[2])；
47 printf( n )；
48
49 printf( n设备是集成的国家政治保卫局。参见OGPU吗：);
50中频（集成螺旋桨)
51 printf(是！ n’)；
其他52个
53 printf(不！ n’)；
54
55 printf(设备能否将主机内存映射到库达设备地址空间：);
56 if(prop.canMapHostMemory)
57 printf(是！ n’)；
58其他
59 printf(不！ n’)；
60
61 printf(设备的计算模式：%dn ，属性。computemode)；
62
63 printf( n 1D纹理的最大大小：%dn ，属性。max texture 1d)；
64 printf( 2D纹理的最大尺寸：(%d，%d)n ，prop.maxTexture2D[0]，prop。max texture 2d[1])；
65英寸印刷字体( 3D纹理的最大尺寸：(%d，%d，%d)n ，prop.maxTexture3D[0]，prop.maxTexture3D[1]，prop。max texture 3D[2])；
66//printf( 2D纹理数组的最大维数：(%d，%d，%d)n ，prop.maxTexture2DArray[0]，prop.maxTexture2DArray[1]，prop。max texture 2d array[2])；
67
68 printf(设备是否支持在同一上下文中同时执行多个内核：);
69 if(prop.concurrentKernels)
70 printf(是！ n’)；
71其他
72 printf(不！ n’)；
73 }
74
75 }
运行结果：
库达设备的数量：1
-设备0的一般信息-
库达设备名称：GeForce GTX 470
计算能力：2.0
时钟频率：1215000
设备复制重叠（同时执行cudaMemcpy()和内核执行):启用
内核执行超时（在此设备上执行的内核是否有运行时间限制):启用
-设备0的内存信息-
总全局内存字节数：1341325312
总常量内存：65536
内存副本的最大内存间距（以字节为单位):2147483647
纹理对齐：512
-设备0的下院议员信息-
多处理器数量：14
每国会议员共享内存（块):49152
每国会议员寄存器（块):32768
经纱数：32
每个块的最大线程数：1024
块中的最大螺纹尺寸：(1024,1024,64)
网格中的最大块尺寸：(65535,65535,65535)
设备是集成国家政治保卫局。参见OGPU吗：不是！
设备能否将主机内存映射到库达设备地址空间：可以！
设备的计算模式：0
1D纹理的最大尺寸：65536
2D纹理的最大尺寸：(65536,65535)
三维（three dimension的缩写）纹理的最大尺寸：(2048,2048,2048)
设备是否支持在同一上下文中同时执行多个内核：是！
yue @ Ubuntu-10:~/cuda/cuda bye $ vim cuda byex 331。铜
yue @ Ubuntu-10:~/cuda/cuda bye $ vim cuda byex 331。铜
岳@ Ubuntu-10:~/cuda/cuda bye $ 10 ./cuda
-巴什：/cuda:沒有此一檔案或目錄
岳@ Ubuntu-10:~/cuda/cuda bye $ 10 ./cudabyex331
库达设备的数量：1
-设备0的一般信息-
库达设备名称：GeForce GTX 470
计算能力：2.0
时钟频率：1215000
设备复制重叠（同时执行cudaMemcpy()和内核执行):启用
内核执行超时（在此设备上执行的内核是否有运行时间限制):启用
-设备0的内存信息-
总全局内存字节数：1341325312
总常量内存：65536
内存副本的最大内存间距（以字节为单位):2147483647
纹理对齐：512
-设备0的下院议员信息-
多处理器数量：14
每国会议员共享内存（块):49152
每国会议员寄存器（块):32768
经纱数：32
每个块的最大线程数：1024
块中的最大螺纹尺寸：(1024,1024,64)
网格中的最大块尺寸：(65535,65535,65535)
设备是集成国家政治保卫局。参见OGPU吗：不是！
设备能否将主机内存映射到库达设备地址空间：可以！
设备的计算模式：0
1D纹理的最大尺寸：65536
2D纹理的最大尺寸：(65536,65535)
三维（three dimension的缩写）纹理的最大尺寸：(2048,2048,2048)
设备是否支持在同一上下文中同时执行多个内核：是！
参考书籍： 《CUDA BY EXAMPLE》
