一、基础的API
先是线程id的索引:
对于一维的 block. 线程的 threadID 就是 threadIdx.x;
对于大小为 (Dx. Dy) 的二维 block. 线程的 threadID 是 (threadIdx.x + threadldx.yx×Dx);
对于大小为 (Dx. Dy. Dz) 的三维 block. 线程的 threadID 是 (threadIdx.x + threadldx.y× Dx+ threadIdx.zx ×Dx ×Dy)
Kernel函数
1、参数Dg用于定义整个grid的维度和尺寸,即一个grid有多少个block, 为dim3类型
Dim3 。
Dg(Dg.x, Dg.y, 1)表示grid中每行有Dg.x个block,每列有Dg.y个block,第三维一般为1(目前一个核函数对应一个grid)。这样整个grid中共有Dg.x*Dg.y个block。
(2147483647,65535,65535)
2、参数Db用于定义一个block的维度和尺寸,即一个block有多少个thread,为dim3类型。
Dim3 Db(Db.x, Db.y, Db.z)表示整个block中每行有Db.x个thread,每列有Db.y个thread,高度为Db.z。Db.x和Db.y最大值为1024,Db.z最大值为64。 一个block中共有Db.xDb.yDb.z个thread。
(1024,1024,64)
3、参数Ns是一个可选参数,用于设置每个block除了静态分配的shared Memory以外,最多能动态分配的shared memory大小,单位为byte。不需要动态分配时该值为0或省略不写。
4、参数S是一个cudaStream_t类型的可选参数,初始值为零,表示该核函数处在哪个流之中。
二、判断code的效率
#include<time.h>
clock_t start = clock( );
for (i = 0; i < DATA_SIZE; i++) {
sum += num[i] * num[i] * num[i];}
result = sum;
time = clock( ) - start;
得到的time需要除以时钟频率
cudaDeviceProp prop;
cudaGetDeviceProperties(&prop, 0);
cout <<prop.name<<'\n'<<prop.sharedMemPerBlock<<'\n'<<prop.clockRate<<'\n';
//this device clockRate is 1084500
最终的时间为time/(1084500*1000)