VS2017 CUDA编程学习4：CUDA并行处理初探 - 向量加法实现

最新推荐文章于 2023-11-07 00:57:21 发布

DU_YULIN

最新推荐文章于 2023-11-07 00:57:21 发布

阅读量650

点赞数

分类专栏： CUDA编程文章标签： cuda编程

本文链接：https://blog.csdn.net/DU_YULIN/article/details/120711754

版权

本文介绍了CUDA编程中的向量加法实现，通过对比GPU与CPU的执行时间（GPU耗时约5s，CPU耗时55s），展示了CUDA并行处理的显著优势。在CUDA编程时，需注意设备对block和线程数的限制，以防程序崩溃。

摘要由CSDN通过智能技术生成

文章目录

前言
CUDA实现向量加法
2. 结果展示
总结
学习资料

VS2017 CUDA编程学习1：CUDA编程两变量加法运算
VS2017 CUDA编程学习2：在GPU上执行线程
VS2017 CUDA编程学习3：CUDA获取设备上属性信息

前言

今天开始见识下CUDA编程的并行处理能力，这里做下笔记并分享给大家。

CUDA实现向量加法

为了体现CUDA并行处理能力，这里也实现了CPU上向量加法程序，通过分别统计运行时间来证明CUDA的并行处理优势。

#include <stdio.h>
#include <iostream>
#include <time.h>
#include <cuda.h>
#include <cuda_runtime.h>
#include <device_launch_parameters.h>

#define N 1000

//内核（Gpu设备）函数实现向量加法
__global__ void GpuAdd(int* d_a, int* d_b, int* d_c)
{
   
	int idx = blockIdx.x;
	d_c[idx] = d_a[idx] + d_b[idx];