CUDA编程之机器人SLAM点云视觉学习与实践0——预备知识

准备开一个cuda的专栏，记录自己对cuda点云、视觉学习与实践的过程，希望能坚持更下去，最终的目标是想实现基于cuda对每个粒子并行加速的视觉gmapping。

这一节记录从零开始使用cuda编程的一些基础知识

GPU架构和属性

cudaDeviceProp prop;
cudaGetDeviceProperties(&prop, 0);

上面可以获取gpu的属性。这里实践采用的是GTX1060显卡，一些重要的属性如下：
gpu算力：6.1
grid最大维度：3

• x方向最大block：2³¹-1
• yz方向最大：65535

block最大维度：3

• xy方向最大：1024
• z方向最大：64
• threads最多：1024

上面提到的thread，block，grid还有warp是CUDA编程上的概念，以方便程序员软件设计，组织线程，同样的我们给出一个示意图来表示。
thread：一个CUDA的并行程序会被以许多个threads来执行。
block：数个threads会被群组成一个block，同一个block中的threads可以同步，也可以通过shared memory通信。
grid：多个blocks则会再构成grid。
warp：GPU执行程序时的调度单位，目前cuda的warp的大小为32，同在一个warp的线程，以不同数据资源执行相同的指令,这就是所谓 SIMT。

软件代码

主机(host)一般指cpu，器件(device)一般指gpu
常用的标识符：

• __global__表示该函数在主机中执行函数的呼叫，在器件中执行
• __host__表示该函数在主机中执行函数的呼叫，在主机中执行
• __device__表示该函数在器件中执行函数的呼叫，在器件中执行

cuda编程主要分为5步：

1. 给host和device分配内存
2. 数据拷贝，从host到device
3. kernel计算
4. 数据拷贝，从device到host
5. 释放内存

编写代码应该严格按照这样的五个步骤来，后面的代码也都遵循这样一个流程。