CUDA GPU基础调用：单线程加法。

之前代码出现执行出现问题，执行不了设备上的代码，后面将cuda9.2 --> cuda9.0就解决这个问题，看来cuda版本与驱动版本这些迭代版本问题还是很有迷惑性的。

本章代码源于一个学习材料，材料地址也忘了。写本文目的是为了将代码中的一些重要信息给描述出来，供后续参考：

#include <stdio.h>
__global__ void add(int *a, int *b, int *c) 
{
   *c = *a + *b;
}

int main(void) 
{
   int a, b, c;
   // host copies of a, b, c
   int *d_a, *d_b, *d_c;  
   // device copies of a, b, c
   int size = sizeof(int);   
   // Allocate space for device copies of a, b, c
    
    // 下面这三个语句的形式非常重要，这表明cuda程序分配的内存问题，内存分配在device上，但是它
    // 在设备上的地址则在host上的内存里面，所以才有了这个”指向指针变量的指针变量“
   cudaMalloc((void **)&d_a, size);
   cudaMalloc((void **)&d_b, size);
   cudaMalloc((void **)&d_c, size); 
 
   // Setup input values   a = 2;   b = 7; 
   // Copy inputs to device

   cudaMemcpy(d_a, &a, size, cudaMemcpyHostToDevice);
   cudaMemcpy(d_b, &b, size, cudaMemcpyHostToDevice); 
 
  // Launch add() kernel on GPU
   add<<<1,1>>>(d_a, d_b, d_c); 
     
   printf(" c = %d \n" , c);
  // Copy result back to host
   cudaMemcpy(&c, d_c, size, cudaMemcpyDeviceToHost); 
 
  // Cleanup
   cudaFree(d_a);
   cudaFree(d_b);
   cudaFree(d_c);
   return 0;  
} 

并且获取设备信息的代码也很重要，因为之前使用cuda9.2时候，这个代码就可以无报错的执行，但是却不能执行在device上的代码。所以这时候，获取设备就可以来验证cuda版本适配是否有问题了。

获取设备信息代码如下：

#include<iostream>
int main()
{
    cudaDeviceProp prop;
    int count;
    cudaGetDeviceCount(&count);//获取设备数目，比如GTX295 有两个GPU（也就是双核） count为2
    for(int i=0;i<count;i++)
    {
        cudaGetDeviceProperties(&prop,i);//将第i个GPU数据放到prop中
        std::cout<<"显卡名称："<<prop.name<<std::endl;
        std::cout<<"显存大小："<<prop.totalGlobalMem/1024/1024<<" MB"<<std::endl;
        std::cout<<"一个block的共享内存大小："<<prop.sharedMemPerBlock/1024<<" KB"<<std::endl;
        std::cout<<"block最大线程数："<<prop.maxThreadsPerBlock<<std::endl;
    }
return 0;
}

Done！