#include "cuda_runtime.h"
#include "device_launch_parameters.h"
#include <stdio.h>
//程序首先定义了一个函数 cudaError_t 这是调用GPU运算的入口函数,返回类型为 cudaError_t,
//cudaError_t是一个美剧类型,可以作为几乎所有cuda函数的返回类型,用于检测函数执行时发生的不同的错误
//其错误有80多种类型,可以在driver_types.h头文件中查看每一个整型对应的错误类型,如果返回0,代表执行成功
//其中此后面要写上定义的函数
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);
//__global__表示此函数在gpu上的nvcc编译器编译 ,但是由CPU调用 格式为function<<>> ();
//<<<2,3>>>,表示运行的配置符号,即两个线程块,每个线程块size个线程
//即在cpu调用此函数时,启动(2,3)结构的设备启动代码,如果是(1,size)可以用 threadIdx.x获取执行当任务的设备线程ID
__global__ void addKernel(int *c, const int *a, const int *b)
{
int i = threadIdx.x;
c[i] = a[i] + b[i];
}
int main()
{
const int arraySize = 5;
const int a[arraySize] = { 1, 2, 3, 4, 5 };
const int b[arraySize] = { 10, 20, 30, 40, 50 };
int c[arraySize] = { 0 };
// Add vectors in parallel. 并行加法
cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "addWithCuda failed!");
return 1;
}
printf("{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n",
c[0], c[1], c[2], c[3], c[4]);
// cudaDeviceReset must be called before exiting in order for profiling and
// tracing tools such as Nsight and Visual Profiler to show complete traces.
// cudaDeviceReset 必须在退出之前调用,以便分析和跟踪工具(例如 Nsight 和 Visual Profiler)显示完整的跟踪
//cudaDeviceReset()函数:显式销毁,用于释放所有申请的显存空间 重置设备状态,后续调用将重新初始化该设备
/*cudaStatus = cudaDeviceReset();
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaDeviceReset failed!");
return 1;
}*/
return 0;
}
// Helper function for using CUDA to add vectors in parallel.
//使用 CUDA 并行添加向量的辅助函数。
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)
{
int *dev_a = 0;
int *dev_b = 0;
int *dev_c = 0;
cudaError_t cudaStatus;
// 选择要在哪个 GPU 上运行,在多 GPU 系统上进行更改。
//cudaSetDevice()函数用来设置要在哪个GPU上执行,如果只有一个GPU,设为cudaSetDevice(0)
cudaStatus = cudaSetDevice(0);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaSetDevice failed! Do you have a CUDA-capable GPU installed?");
goto Error;
}
// 为三个向量(两个输入,一个输出)分配 GPU 缓冲区
//cudamalloc函数用来为数据分配显存空间 原型为cudaError_t cudaMalloc(void **p, size_t s);
cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaMalloc failed!");
goto Error;
}
cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaMalloc failed!");
goto Error;
}
cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaMalloc failed!");
goto Error;
}
// 将输入向量从主机内存复制到 GPU 缓冲区。
//cudaMemcpy用于主机内存和设备显存以及主机与主机之间,设备与设备之间相互拷贝数据
//cudaError_t CUDARTAPI cudaMemcpy(void *dst, const void *src, size_t count, enum cudaMemcpyKind kind);
//要从src复制size_t count到dst上,方向为 HToH;HToD;DToH;DToD
cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaMemcpy failed!");
goto Error;
}
cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaMemcpy failed!");
goto Error;
}
// 在 GPU 上启动一个内核,每个元素都有一个线程。
addKernel<<<1, size>>>(dev_c, dev_a, dev_b);
// 检查启动内核的任何错误
//cudaGetLastError返回运行时的最新的一个调用的错误,可以获取错误的详细信息
cudaStatus = cudaGetLastError();
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));
goto Error;
}
// cudaDeviceSynchronize 等待内核完成,并返回启动期间遇到的任何错误。
//cudaDeviceSynchronize函数提供了一个阻塞,用于等待所有的线程都执行完各自的计算任务,然后继续往下执行
cudaStatus = cudaDeviceSynchronize();
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching addKernel!\n", cudaStatus);
goto Error;
}
// 将输出向量从 GPU 缓冲区复制到主机内存。
cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, "cudaMemcpy failed!");
goto Error;
}
//cudaFree用于释放申请的显存空间
//cudaDeviceReset函数用于释放所有申请的显存空间和重置设备状态
Error:
cudaFree(dev_c);
cudaFree(dev_a);
cudaFree(dev_b);
return cudaStatus;
}
uint3类型的 threadIdx—线程的索引
blockIdx----一个线程块的索引
dim3类型的 blockDim----线程块的大小 x y z 维度
gridDim-------网络大小
网络 (gridDim)包含多个线程块(blockDim),一个线程块含有多条线程
float类型的变量在printf函数中是自动转换成了double类型的变量的,这样的话,float变量就不再是4个字节,而是8个字节了
转载以下原链接
https://blog.csdn.net/qq_33485434/article/details/79058528