CUDA基础

1. 设备的计算能力：设备计算能力的版本描述了一种GPU对CUDA功能的支持程度，版本号用两位小数表示，如1.3硬件，小数点的前一位表示设备的核心架构，小数点后一位表示更加细微的进步。
2. CUDA的安装和编译：需要下载相应显卡版本的驱动、CUDA工具包和CUDA SDK包。
3. CUDA的编程模型：CUDA模型将CPU作为主机（Host），GPU作为设备（Device）,cpu和gpu协同进行异构运算，cpu负责逻辑性强的事务处理和串行运算，而GPU负责执行高度线程化的并行处理任务。运行在GPU上的CUDA并行计算函数称为kernel（内核函数），该kernel函数存在两个层次的并行，Grid中的block间的并行和block中的thread间并行。kernel函数通过 __global__标识符定义，如__global__ void myKernel(float *A){}，在调用的使用则使用myKernel<<<1,N>>>(A)形式对myKernel内核函数进行调用，其中<<<>>>运算符中是内核函数的执行参数，用于说明执行内核函数的线程数量以及线程是如何进行组织的，1表示grid中只有一个block，每个block中有N个thread。小括号中的史书则是函数的参数。
4. 线程的结构：CUDA有很强的扩展能力，一个程序编译一次后，可以在拥有不同核心数量的硬件上准确运行。为此，CUDA将计算任务映射为大量可以并行执行的线程，并有硬件动态调度和执行这些线程。kernel以线程网格（Grid）的形式组织，每个线程网格由若干个线程块（block）组成，每个线程块又有若干个线程（thread）组成。实际上，kernel是以block为单位执行的，grid只是为了表示可以被并行执行的的block集合。值得注意的是，各block是并行执行的，但是block之间是无法通信的，也没有执行顺序。
5. CUDA C语言：
            函数类型限定符：__device__ , __host__, __golbal__
            变量类型限定符：__device__, __shared__, __constant__
            内建矢量类型：  char4, unshort3, double2, dim3
            四个内建变量：blockIdx, threadIdx, gridDim, blockDim
            kernel执行运算符：<<<>>>，用于指定线程网格和线程块的维度
            一些函数：memory fence函数，同步函数，数学函数，纹理函数，测时函数，原子函数，warp vote函数
6. dim3是基于uint3定义的矢量类型，相当于由三个unsigned int组成的结构体。CUDA的内建变量threadIdx和blockIdx均是dim3类型。
7. CUDA存储器模型
     如图

图中所示，每一个线程拥有自己的私有存储器Registers和Local Memory; 每一个线程块拥有一块shared memory; grid中的所有线程可以访问Global Memory、Constant Memory和Texture Memory.
下表为每种存储器的详细说明：

存储器	位置	拥有缓存	访问权限	变量生存周期	特点
Register	GPU片内	N/A	Device 可读/写	与thread相同	极低延迟
Local memory	板载显存	无	Device 可读/写	与thread相同	访问速度慢
Shared memory	GPU片内	N/A	Device 可读/写	与thread相同	线程间通信最小延迟
Constant memory	板载显存	有	Device可读，host可读/写	可在程序中保持	存储需要频繁访问的参数
Texture memory	板载显存	有	Device可读，host可读/写	可在程序中保持
Global memory	板载显存	无	Device可读/写，host可读/写	可在程序中保持	高带宽，高延迟
Host memory	Host内存	无	host可读/写	可在程序中保持
Pinned memory	Host内存	无	host可读/写	可在程序中保持	可通过zero-copy功能映射到设备地址空间，从GPU直接访问