示例

本示例说明了如何创建一个简单的程序，该程序将int使用CUDA对两个数组求和。

CUDA程序是异构的，由在CPU和GPU上运行的部分组成。

利用CUDA的程序的主要部分类似于CPU程序，包括

• 为将在GPU上使用的数据分配内存

• 数据从主机内存复制到GPU内存

• 调用内核函数来处理数据

• 将结果复制到CPU内存

要分配设备内存，我们使用cudaMalloc功能。可以在设备和主机之间复制数据cudaMemcpy。的最后一个参数cudaMemcpy指定复制操作的方向。有5种可能的类型：

• cudaMemcpyHostToHost -主机->主机

• cudaMemcpyHostToDevice -主机->设备

• cudaMemcpyDeviceToHost -设备->主机

• cudaMemcpyDeviceToDevice -设备->设备

• cudaMemcpyDefault -基于默认的统一虚拟地址空间

接下来，调用内核函数。三重人字形之间的信息是执行配置，该配置决定了多少个设备线程并行执行内核。第一个数字（2例如）指定块数，第二个（例如）指定块(size + 1) / 2中的线程数。请注意，在此示例中，我们将大小加1，以便我们请求一个额外的线程，而不是让一个线程负责两个元素。

由于内核调用是异步函数，因此它cudaDeviceSynchronize被调用以等待执行完成。结果数组将复制到主机内存，并使用释放设备上分配的所有内存cudaFree。

将函数定义为内核  __global__声明说明符。每个线程都会调用此函数。如果希望每个线程处理结果数组的元素，则需要一种区分和标识每个线程的方法。CUDA定义变量blockDim，blockIdx和threadIdx。预定义变量blockDim包含内核启动的第二个执行配置参数中指定的每个线程块的尺寸。预定义的变量threadIdx和blockIdx包含的线程的它的线程块内的网格内的索引和线程块，分别。注意，由于请求的线程数可能比数组中的元素多，因此我们需要传递信息size以确保不访问数组末尾。

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

#include <stdio.h>

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

// 使用CUDA并行添加向量的辅助函数。
void addWithCuda(int* c, const int* a, const int* b, int size) {
    int* dev_a = nullptr;
    int* dev_b = nullptr;
    int* dev_c = nullptr;

    // 为三个向量分配GPU缓冲区（两个输入，一个输出）
    cudaMalloc((void**)&dev_c, size * sizeof(int));
    cudaMalloc((void**)&dev_a, size * sizeof(int));
    cudaMalloc((void**)&dev_b, size * sizeof(int));

    // 将输入向量从主机内存复制到GPU缓冲区。
    cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
    cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);

    // 在GPU上启动内核，每个元素只有一个线程。
    // 2是计算块数，（size + 1）/ 2是一个块中的线程数
    addKernel<<<2, (size + 1) / 2>>>(dev_c, dev_a, dev_b, size);
    
    // cudaDeviceSynchronize等待内核完成，然后返回
    // 启动过程中遇到的任何错误。
    cudaDeviceSynchronize();

    // 将输出向量从GPU缓冲区复制到主机内存。
    cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);

    cudaFree(dev_c);
    cudaFree(dev_a);
    cudaFree(dev_b);
}

int main(int argc, char** argv) {
    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 };

    addWithCuda(c, a, b, arraySize);

    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();

    return 0;
}