CUDA学习（三）-NVCC的分散编译

nvcc编译过程第一篇：https://blog.csdn.net/shungry/article/details/89715468

nvcc编译过程第二篇：https://blog.csdn.net/shungry/article/details/89788342

---

正文：

nvcc的分散编译必须在CUDA5.0版本之后才支持，在此之前是不支持的。也就是说以前的版本一贯支持单独的主机代码的编译，只是设备CUDA需要的代码嵌入在其中。从CUDA 5.0，支持单独的设备代码的编译。

如上图，分散编译的过程就是通过nvcc的  --relocatable-device-code 命令生成可重定位可执行设备代码，--complie 命令用于控制在主机对象上停止编译，以上两个命令结合起来就是 --device-c 命令（就是 --relocatable device code=true --compile的意思）。以上编译由Device Linker （即前篇说的 nvlink），可以使用命令 --device-link来调用设备链接器（不写默认也会链接），进行设备的链接。

附上官方nvcc手册的例子，a.obj 和 b.obj 就是分离编译的结果，foo.lib是一个外部的静态库，通过--library-path=<path>来进行加载链接。

nvcc --gpu-architecture=sm_50 --device-c a.cu b.cu
nvcc --gpu-architecture=sm_50 a.obj b.obj foo.lib --library-path=<path>

注意，能否分散编译还会有以下的变化

对于5.0以前的版本，设备代码中的extern是不能定义为外部变量的，只能用来定义动态分配共享内存,如：

extern __shared__ int array[];

而在5.0版本之后，由于加入了分散编译，支持多设备文件代码进行独立编译，所以extern 是可以作为定义外部变量的。

---

想了解更多可以直接看官方nvcc文档：https://docs.nvidia.com/cuda/cuda-compiler-driver-nvcc/index.html