用cuda实现对较大内存数据的并行处理

刚刚学cuda的时候以为调用核函数的时候可以开辟任意大小的线程，所以当自己尝试用cuda实现卷积运算的时候，调用核函数的时候用了这样的写法cudaConv<<<1,memSize>>>(gpuMem);
实际上cuda每个block的线程数是有上限的。
下面这个知乎答案说明了怎样获取cuda可开辟的最大线程数。
https://www.zhihu.com/question/462801801/answer/1925184931
当需要开辟多于maxThreadsPerBlock个线程的时候，需要在调用核函数的时候配合block使用。
下面是一个具体的调用例子，实现对一个数组的每一位数字实现+1操作。

#include<iostream>

//传入的第2个参数表示数据的个数
__global__ void bigMatAdd(int* gpuMem,unsigned int dataSize)
{
    //当前位置的线程标号
    int thrId=threadIdx.x;
    //当前位置的线程块标号
    int blkId=blockIdx.x;
    //当前线程需要操作的位置
    int dstLocal=blkId*blockDim.x+thrId;
    //判断线程操作位置是否超过了范围
    if(dstLocal<dataSize)
    {
        //对目标内存做操作
        gpuMem[dstLocal]+=1;
    }
}

int main()
{
    //数据的大小
    const unsigned int dataSize=4000*1000;
    const unsigned int threadSize=1000;
    //新建相应大小的cpu数据
    unsigned char cpuData[dataSize];
    //对所有的cpu数据依次赋值
    for(int i=0;i<dataSize;++i) cpuData[i]=10;
    //定义gpu数据
    int* gpuData;
    //开辟gpu数据的空间
    cudaMalloc((void**)&gpuData,sizeof(int)*dataSize);
    //把cpu数据复制到gpu里面
    cudaMemcpy(gpuData,cpuData,sizeof(int)*dataSize,cudaMemcpyHostToDevice);
    //调用核函数
    bigMatAdd<<<dataSize/threadSize+1,threadSize>>>(gpuData,dataSize);
    //把gpu里面的数据复制到cpu里面
    cudaMemcpy(cpuData,gpuData,sizeof(int)*dataSize,cudaMemcpyDeviceToHost);
    //遍历复制后的cpu数据，检测它们的数据是否都正常
    for(int i=0;i<dataSize;++i)
    {
        if(cpuData[i]!=11)
        {
            std::cout<<cpuData[i]<<std::endl;
            break;
        }
    }
    return 0;
}