并行计算之路<1>——Hello, CUDA.

you will say goodbye to girls if you are saying “hello world”. 码猿有风险,入行需谨慎

第一个CUDA程序

参考《GPGPU编程技术——从GLSL、CUDA到OpenCL》的4.3节第一个CUDA程序,因为版本的不同所以对原书的代码进行修改。

修改后的代码

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include "cuda_runtime.h"
#include "device_launch_parameters.h"

__global__ void my_first_kernel(float *x)
{
    int i = threadIdx.x + blockDim.x * blockIdx.x;

    *(x + i) = (float) threadIdx.x;
}

int main(int argc, char **argv)
{
    float *pfCPU = NULL;
    float *pfGPU = NULL;
    int nBlocks, nThreads, nSize, n;

    // 设置block数、每个block的线程数
    nBlocks = 2;
    nThreads = 8;
    nSize = nBlocks * nThreads;

    // 分配CPU和GPU存储空间
    pfCPU = (float *)malloc(nSize * sizeof(float));
    cudaMalloc((void **)&pfGPU, nSize * sizeof(float));

    // 数据初始化
    memset(pfCPU, 0, nSize * sizeof(float));
    cudaMemset(pfGPU, 0, nSize * sizeof(float));

    // 执行全局函数
    my_first_kernel<<< nBlocks, nThreads >>>(pfGPU);

    // 取回计算结果,并打印输出
    cudaMemcpy(pfCPU, pfGPU, nSize * sizeof(float), cudaMemcpyDeviceToHost);

    for (n = 0; n < nSize; n++)
    {
        printf("%d %f \n", n, *(pfCPU + n));
    }

    // 回收存储空间
    cudaFree(pfGPU);
    free(pfCPU);

    return 0;
}

代码分析

1) CUDA 初始化设备时默认使用0号设备,也可以通过 cudaSetDevice() 函数来启动其它GPU设备。
2) malloc() 分配内存空间
3) cudaMalloc() 分配显存空间
4) memset() 初始化内存空间
5) cudaMemset() 初始化显存空间
6) 限定符 __global__ 表示全局函数,从主机调用,在设备里执行。
7) cudaMemcpy() 将处理结果复制到目的内存。
8) free() 以及 cudaFree() 分别释放内存和显存的空间。

CUDA提供的demo

新建 CUDA Runtime的时候,会提供一个demo。当然比第一个严谨规范。

代码


#include "cuda_runtime.h"
#include "device_launch_parameters.h"

#include <stdio.h>

cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);

__global__ void addKernel(int *c, const int *a, const int *b)
{
    int i = threadIdx.x;
    c[i] = a[i] + b[i];
}

int main()
{
    const int arraySize = 5;
    const int a[arraySize] = { 1, 2, 3, 4, 5 };
    const int b[arraySize] = { 10, 20, 30, 40, 50 };
    int c[arraySize] = { 0 };

    // Add vectors in parallel.
    cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "addWithCuda failed!");
        return 1;
    }

    printf("{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n",
        c[0], c[1], c[2], c[3], c[4]);

    // cudaDeviceReset must be called before exiting in order for profiling and
    // tracing tools such as Nsight and Visual Profiler to show complete traces.
    cudaStatus = cudaDeviceReset();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaDeviceReset failed!");
        return 1;
    }

    return 0;
}

// Helper function for using CUDA to add vectors in parallel.
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)
{
    int *dev_a = 0;
    int *dev_b = 0;
    int *dev_c = 0;
    cudaError_t cudaStatus;

    // Choose which GPU to run on, change this on a multi-GPU system.
    cudaStatus = cudaSetDevice(0);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaSetDevice failed!  Do you have a CUDA-capable GPU installed?");
        goto Error;
    }

    // Allocate GPU buffers for three vectors (two input, one output)    .
    cudaStatus = cudaMalloc((void**)&dev_c, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_a, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    cudaStatus = cudaMalloc((void**)&dev_b, size * sizeof(int));
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMalloc failed!");
        goto Error;
    }

    // Copy input vectors from host memory to GPU buffers.
    cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

    cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

    // Launch a kernel on the GPU with one thread for each element.
    addKernel<<<1, size>>>(dev_c, dev_a, dev_b);

    // Check for any errors launching the kernel
    cudaStatus = cudaGetLastError();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus));
        goto Error;
    }

    // cudaDeviceSynchronize waits for the kernel to finish, and returns
    // any errors encountered during the launch.
    cudaStatus = cudaDeviceSynchronize();
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaDeviceSynchronize returned error code %d after launching addKernel!\n", cudaStatus);
        goto Error;
    }

    // Copy output vector from GPU buffer to host memory.
    cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
    if (cudaStatus != cudaSuccess) {
        fprintf(stderr, "cudaMemcpy failed!");
        goto Error;
    }

Error:
    cudaFree(dev_c);
    cudaFree(dev_a);
    cudaFree(dev_b);

    return cudaStatus;
}

代码分析

其实不难发现,CUDA处理的流程如下。
1) 选择计算的GPU
2) 分配显存(或内存)空间
3) 初始化数据
4) 调用核函数
5) 处理结果数据
6) 释放显存(或内存)空间

SDK 和函数库

库名说明
Thrust一个类似于STL针对CUDA的C++模板库
NVPP英伟达基本性能库
cuBLASGPU 的基本线性代数函数库
CUFFTGPU 的快速傅里叶函数库
cuSparseGPU 的稀疏矩阵数据的线性代数和矩阵操作库
Magma一个用于数值计算和线性代数计算的函数库
GPU AIGPU 路径规划函数库
CUDA Math libGPU 标准数学函数

站在巨人的肩膀上,会让事情事半功倍。让更多的时间放在算法上,以及生活上。


参考:
《GPGPU编程技术——从GLSL、CUDA到OpenCL》♥♥♥♥♥
《数字图像处理高级应用——基于MATLAB与CUDA的实现》♥♥♥
《基于CUDA的并行程序设计》♥♥♥
《CUDA专家手册》♥♥♥♥♥
《高性能CUDA应用设计与开发》♥♥♥♥

`cuda <<< >>>` 是 CUDA API 中的一个函数,用于在 GPU 上并行地执行计算任务。CUDA(Compute Unified Device Architecture)是由 NVIDIA 开发的一种并行计算架构,它允许开发者利用 GPU 的强大并行处理能力来进行高性能计算。 ### `cuda <<< >>>` 函数的基本用法: ```c++ int cudaCall( const char * routineName, void ** arguments ); ``` 在这个函数中,`routineName` 是你要执行的内核函数的名称,并作为字符串传递。`arguments` 是函数需要的参数列表,这可以是一个数组或结构体。 这个函数的主要作用是在 CUDA 程序中启动 GPU 内核执行,并指定块(block)和网格(grid)的数量。块和网格的概念是 CUDA 并行化模型的核心部分,它们决定了如何将数据分配到 GPU 计算资源上以及如何组织计算任务。 #### 参数解释: - **block size** (`blockDim`):每个块包含多少线程。通常表示为 (x, y, z),其中 x、y 和 z 分别代表在 x 轴、y 轴和 z 轴方向的线程数。 - **grid size** (`gridDim`):由多少个块组成网格。同样可以用 (x, y, z) 来表示,意味着有多少个这样的块在各个轴向分布。 例如,如果你想在一个单精度浮点矩阵乘法的 GPU 实现中,启动两个有 512 个线程的块,分布在四个网格上,你可以这样调用 `cuda <<< >>>`: ```cpp void* matrixA = ...; // 指针指向矩阵 A 的内存位置 void* matrixB = ...; // 指针指向矩阵 B 的内存位置 void* result = ...; // 结果矩阵的指针 int block_dim_x = 512; int grid_dim_x = 4; cudaCall("matrix_multiplication", &matrixA, &matrixB, &result, block_dim_x, block_dim_x, 1, grid_dim_x, 1, 1); ``` 在这个例子中,“matrix_multiplication”是你的内核函数名,`&matrixA`, `&matrixB`, 和 `&result` 是传递给内核的数据指针,而 `block_dim_x` 和 `grid_dim_x` 则分别代表了块尺寸和网格尺寸。 ### `cuda <<< >>>` 的注意事项: 1. **错误检查**:在实际应用中,应该总是对返回值进行检查,确保函数调用成功。 2. **性能优化**:合理选择块大小和网格大小对于性能至关重要。过大或过小都可能导致性能下降。 3. **内存管理**:注意避免不必要的内存复制操作,因为这可能会导致较高的延迟。 通过这种方式,在 C++ 或其他支持 CUDA 的语言中,你可以有效地利用 GPU 的并行处理能力来加速计算密集型任务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值