CUDA C编程权威指南：2.1-CUDA编程模型

风晓 2024-01-02 08:51:14  49859 赞同 0 反对 0

分类：资源

本文主要通过例子介绍了CUDA异构编程模型，需要说明的是Grid、Block和Thread都是逻辑结构，不是物理结构。只需要把相应章节对应的CMakeLists.txt文件拷贝到CMake项目根目录下面即可运行。

1.Grid、Block和Thread间的关系
GPU中最重要的2种内存是全局内存和共享内存，前者类似于CPU系统内存，而后者类似于CPU缓存，然后GPU共享内存可由CUDA C内核直接控制。GPU简化的内存结构，如下所示：由一个内核启动所产生的所有thread统称为一个grid，同一个grid中的所有thread共享相同的全局内存空间。一个grid由多个block构成，一个block包含一组thread，同一block内的thread通过同步、共享内存方式进行线程协作，不同block内的thread不能协作。由block和grid构成的2层的thread层次结构，如下所示： CUDA可以组织3维的grid和block。blockIdx表示线程块在线程格内的索引，threadIdx表示块内的线程索引；blockDim表示每个线程块中的线程数，gridDim表示网格中的线程块数。这些变量允许开发人员在编写CUDA代码时，从逻辑上管理和组织线程块和网格的大小，从而优化并行执行的效率。如下所示：

2.检查网格和块的索引和维度(checkDimension.cu)
确定grid和block的方法为先确定block的大小，然后根据实际数据大小和block大小的基础上计算grid维度，如下所示：

// 检查网格和块的索引和维度
# include <cuda_runtime.h>
# include <stdio.h>

__global__ void checkIndex(void) {
    // gridDim表示grid的维度，blockDim表示block的维度，grid维度表示grid中block的数量，block维度表示block中thread的数量
    printf("threadIdx:(%d, %d, %d) blockIdx:(%d, %d, %d) blockDim:(%d, %d, %d) "
           "gridDim:(%d, %d, %d)\n", threadIdx.x, threadIdx.y, threadIdx.z,
           blockIdx.x, blockIdx.y, blockIdx.z, blockDim.x, blockDim.y, blockDim.z,
           gridDim.x, gridDim.y, gridDim.z); // printf函数只支持Fermi及以上版本的GPU架构，因此编译的时候需要加上-arch=sm_20编译器选项
}

int main(int argc, char** argv) {
    // 定义全部数据元素
    int nElem = 6;

    // 定义grid和block的结构
    dim3 block(3);  // 表示一个block中有3个线程
    dim3 grid((nElem + block.x - 1) / block.x);  // 表示grid中有2个block

    // 检查grid和block的维度(host端)
    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);
    printf("block.x %d block.y %d block.z %d\n", block.x, block.y, block.z);

    // 检查grid和block的维度(device端)
     checkIndex<<<grid, block>>>();

    // 离开之前重置设备
    cudaDeviceReset();

    return 0;
}

输出结果如下所示：

threadIdx:(0, 0, 0) blockIdx:(1, 0, 0) blockDim:(3, 1, 1) gridDim:(2, 1, 1)
threadIdx:(1, 0, 0) blockIdx:(1, 0, 0) blockDim:(3, 1, 1) gridDim:(2, 1, 1)
threadIdx:(2, 0, 0) blockIdx:(1, 0, 0) blockDim:(3, 1, 1) gridDim:(2, 1, 1)
threadIdx:(0, 0, 0) blockIdx:(0, 0, 0) blockDim:(3, 1, 1) gridDim:(2, 1, 1)
threadIdx:(1, 0, 0) blockIdx:(0, 0, 0) blockDim:(3, 1, 1) gridDim:(2, 1, 1)
threadIdx:(2, 0, 0) blockIdx:(0, 0, 0) blockDim:(3, 1, 1) gridDim:(2, 1, 1)
grid.x 2 grid.y 1 grid.z 1
block.x 3 block.y 1 block.z 1

3.在主机上定义网格和块的大小(defineGridBlock.cu)
接下来通过一个1维网格和1维块讲解当block大小变化时，gird的size也随之变化，如下所示：

#include <cuda_runtime.h>
#include <stdio.h>

int main(int argc, char** argv) {
    // 定义全部数据元素
    int cElem = 1024;

    // 定义grid和block结构
    dim3 block(1024);
    dim3 grid((cElem + block.x - 1) / block.x);
    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);

    // 重置block
    block.x = 512;
    grid.x = (cElem + block.x - 1) / block.x;
    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);

    // 重置block
    block.x = 256;
    grid.x = (cElem + block.x - 1) / block.x;
    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);

    // 重置block
    block.x = 128;
    grid.x = (cElem + block.x - 1) / block.x;
    printf("grid.x %d grid.y %d grid.z %d\n", grid.x, grid.y, grid.z);

    // 离开前重置device
    cudaDeviceReset();
    return 0;
}

输出结果，如下所示：

grid.x 1 grid.y 1 grid.z 1
grid.x 2 grid.y 1 grid.z 1
grid.x 4 grid.y 1 grid.z 1
grid.x 8 grid.y 1 grid.z 1

4.基于GPU的向量加法(sumArraysOnGPU-small-case.cu)

#include <cuda_runtime.h>
#include <stdio.h>

#define CHECK(call)
//{
//    const cudaError_t error = call;
//    if (error != cudaSuccess)
//    {
//        printf("Error: %s:%d, ", __FILE__, __LINE__);
//        printf("code:%d, reason: %s\n", error, cudaGetErrorString(error));
//        exit(1);
//    }
//}

void checkResult(float *hostRef, float *gpuRef, const int N)
{
    double epsilon = 1.0E-8;
    bool match = 1;
    for (int i = 0; i < N; i++)
    {
        if (abs(hostRef[i] - gpuRef[i]) > epsilon)
        {
            match = 0;
            printf("Arrays do not match!\n");
            printf("host %5.2f gpu %5.2f at current %d\n", hostRef[i], gpuRef[i], i);
            break;
        }
    }
    if (match) printf("Arrays match.\n\n");
}

void initialData(float *ip, int size)
{
    // generate different seed for random number
    time_t t;
    srand((unsigned int) time(&t));
    for (int i = 0; i < size; i++)
    {
        ip[i] = (float) (rand() & 0xFF) / 10.0f;
    }
}

void sumArraysOnHost(float *A, float *B, float *C, const int N)
{
    for (int idx = 0; idx < N; idx++)
    {
        C[idx] = A[idx] + B[idx];
    }
}

__global__ void sumArraysOnGPU(float *A, float *B, float *C)
{
    // int i = threadIdx.x;  // 获取线程索引
    int i = blockIdx.x * blockDim.x + threadIdx.x;  // 获取线程索引
    printf("threadIdx.x: %d, blockIdx.x: %d, blockDim.x: %d\n", threadIdx.x, blockIdx.x, blockDim.x);
    C[i] = A[i] + B[i];  // 计算
}

int main(int argc, char** argv) {
    printf("%s Starting...\n", argv[0]);

    // 设置设备
    int dev = 0;
    cudaSetDevice(dev);

    // 设置vectors数据大小
    int nElem = 32;
    printf("Vector size %d\n", nElem);

    // 分配主机内存
    size_t nBytes = nElem * sizeof(float);

    float *h_A, *h_B, *hostRef, *gpuRef;  // 定义主机内存指针
    h_A = (float *) malloc(nBytes);  // 分配主机内存
    h_B = (float *) malloc(nBytes);  // 分配主机内存
    hostRef = (float *) malloc(nBytes);  // 分配主机内存，用于存储host端计算结果
    gpuRef = (float *) malloc(nBytes);  // 分配主机内存，用于存储device端计算结果

    // 初始化主机数据
    initialData(h_A, nElem);
    initialData(h_B, nElem);

    memset(hostRef, 0, nBytes);  // 将hostRef清零
    memset(gpuRef, 0, nBytes);  // 将gpuRef清零

    // 分配设备全局内存
    float *d_A, *d_B, *d_C;  // 定义设备内存指针
    cudaMalloc((float **) &d_A, nBytes);  // 分配设备内存
    cudaMalloc((float **) &d_B, nBytes);  // 分配设备内存
    cudaMalloc((float **) &d_C, nBytes);  // 分配设备内存

    // 从主机内存拷贝数据到设备内存
    cudaMemcpy(d_A, h_A, nBytes, cudaMemcpyHostToDevice);  // d_A表示目标地址，h_A表示源地址，nBytes表示拷贝字节数，cudaMemcpyHostToDevice表示拷贝方向
    cudaMemcpy(d_B, h_B, nBytes, cudaMemcpyHostToDevice);  // d_B表示目标地址，h_B表示源地址，nBytes表示拷贝字节数，cudaMemcpyHostToDevice表示拷贝方向

    // 在host端调用kernel
    dim3 block(nElem);  // 定义block维度
    dim3 grid(nElem / block.x);  // 定义grid维度

    sumArraysOnGPU<<<grid, block>>>(d_A, d_B, d_C);  // 调用kernel，<<<grid, block>>>表示执行配置，d_A, d_B, d_C表示kernel参数
    printf("Execution configuration <<<%d, %d>>>\n", grid.x, block.x);  // 打印执行配置

    // 拷贝device结果到host内存
    cudaMemcpy(gpuRef, d_C, nBytes, cudaMemcpyDeviceToHost);  // gpuRef表示目标地址，d_C表示源地址，nBytes表示拷贝字节数，cudaMemcpyDeviceToHost表示拷贝方向

    // 在host端计算结果
    sumArraysOnHost(h_A, h_B, hostRef, nElem);

    // 检查device结果
    checkResult(hostRef, gpuRef, nElem);

    // 释放设备内存
    cudaFree(d_A);
    cudaFree(d_B);
    cudaFree(d_C);

    // 释放主机内存
    free(h_A);
    free(h_B);
    free(hostRef);
    free(gpuRef);

    return 0;
}

输出结果如下所示：

threadIdx.x: 0, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 1, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 2, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 3, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 4, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 5, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 6, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 7, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 8, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 9, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 10, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 11, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 12, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 13, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 14, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 15, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 16, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 17, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 18, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 19, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 20, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 21, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 22, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 23, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 24, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 25, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 26, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 27, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 28, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 29, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 30, blockIdx.x: 0, blockDim.x: 32
threadIdx.x: 31, blockIdx.x: 0, blockDim.x: 32
L:\20200706_C++\C++Program\20231003_ClionProgram\cmake-build-debug\20231003_ClionProgram.exe Starting...
Vector size 32
Execution configuration <<<1, 32>>>
Arrays match.

5.其它知识点
（1）host和device同步
核函数的调用和主机线程是异步的，即核函数调用结束后，控制权立即返回给主机端，可以调用cudaDeviceSynchronize(void)函数来强制主机端程序等待所有的核函数执行结束。当使用cudaMemcpy函数在host和device间拷贝数据时，host端隐式同步，即host端程序必须等待数据拷贝完成后才能继续执行程序。需要说明的是，所有CUDA核函数的启动都是异步的，当CUDA内核调用完成后，控制权立即返回给CPU。
（2）函数类型限定符
函数类型限定符指定一个函数在host上执行还是在device上执行，以及可被host调用还是被device调用，函数类型限定符如下所示：说明：__device__和__host__限定符可以一起使用，这样可同时在host和device端进行编译。

如果您发现该资源为电子书等存在侵权的资源或对该资源描述不正确等，可点击“私信”按钮向作者进行反馈；如作者无回复可进行平台仲裁，我们会在第一时间进行处理！

评价 0 条

CUDA C编程权威指南：2.1-CUDA编程模型

相关资源

关注我们