CUDA ---- 简介

CUDA简介

CUDA是并行计算的平台和类C编程模型,我们能很容易的实现并行算法,就像写C代码一样。只要配备的NVIDIA GPU,就可以在许多设备上运行你的并行程序,无论是台式机、笔记本抑或平板电脑。熟悉C语言可以帮助你尽快掌握CUDA。

CUDA编程

CUDA编程允许你的程序执行在异构系统上,即CUP和GPU,二者有各自的存储空间,并由PCI-Express 总线区分开。因此,我们应该先注意二者术语上的区分:

  • Host:CPU and itsmemory (host memory)
  • Device: GPU and its memory (device memory)

代码中,一般用h_前缀表示host memory,d_表示device memory。

kernel是CUDA编程中的关键,他是跑在GPU的代码,用标示符__global__注明。

host可以独立于host进行大部分操作。当一个kernel启动后,控制权会立刻返还给CPU来执行其他额外的任务。所以,CUDA编程是异步的。一个典型的CUDA程序包含由并行代码补足的串行代码,串行代码由host执行,并行代码在device中执行。host端代码是标准C,device是CUDA C代码。我们可以把所有代码放到一个单独的源文件,也可以使用多个文件或库。NVIDIA C编译器(nvcc)可以编译host和device生成可执行程序。

这里再次说明下CUDA程序的处理流程:

  1. 从CPU拷贝数据到GPU。
  2. 调用kernel来操作存储在GPU的数据。
  3. 将操作结果从GPU拷贝至CPU。

Memory操作

cuda程序将系统区分成host和device,二者有各自的memory。kernel可以操作device memory,为了能很好的控制device端内存,CUDA提供了几个内存操作函数:

 

为了保证和易于学习,CUDA C 的风格跟C很接近,比如:

cudaError_t cudaMalloc ( void** devPtr, size_t size )

我们主要看看cudaMencpy,其函数原型为:

cudaError_t cudaMemcpy ( void* dst, const void* src, size_t count,cudaMemcpyKind kind )

其中cudaMemcpykind的可选类型有:

  1. cudaMemcpyHostToHost
  2. cudaMemcpyHossToDevice
  3. cudaMemcpyDeviceToHost
  4. cudaMemcpuDeviceToDevice

具体含义很好懂,就不多做解释了。

对于返回类型cudaError_t,如果正确调用,则返回cudaSuccess,否则返回cudaErrorMemoryAllocation。可以使用char* cudaGetErrorString(cudaError_t error)将其转化为易于理解的格式。

组织线程

掌握如何组织线程是CUDA编程的重要部分。CUDA线程分成Grid和Block两个层次。

 

由一个单独的kernel启动的所有线程组成一个grid,grid中所有线程共享global memory。一个grid由许多block组成,block由许多线程组成,grid和block都可以是一维二维或者三维,上图是一个二维grid和二维block。

这里介绍几个CUDA内置变量:

  • blockIdx:block的索引,blockIdx.x表示block的x坐标。
  • threadIdx:线程索引,同理blockIdx。
  • blockDim:block维度,上图中blockDim.x=5.
  • gridDim:grid维度,同理blockDim。

一般会把grid组织成2D,block为3D。grid和block都使用dim3作为声明,例如:

dim3 block(3);
// 后续博文会解释为何这样写grid
dim3 grid((nElem+block.x-1)/block.x);

需要注意的是,dim3仅为host端可见,其对应的device端类型为uint3。

启动CUDA kernel

CUDA kernel的调用格式为:

kernel_name<<<grid, block>>>(argument list);

其中grid和block即为上文中介绍的类型为dim3的变量。通过这两个变量可以配置一个kernel的线程总和,以及线程的组织形式。例如:

kernel_name<<<4, 8>>>(argumentt list);

该行代码表明有grid为一维,有4个block,block为一维,每个block有8个线程,故此共有4*8=32个线程。

注意,不同于c函数的调用,所有CUDA kernel的启动都是异步的,当CUDA kernel被调用时,控制权会立即返回给CPU。

函数类型标示符

__device__ 和__host__可以组合使用。

kernel的限制:

  • 仅能获取device memory 。
  • 必须返回void类型。
  • 不支持可变数目参数。
  • 不支持静态变量。
  • 不支持函数指针。
  • 异步。

代码分析

#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) 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;   C[i] = A[i] + B[i]; }
int main(int argc, char **argv) {   printf("%s Starting...\n", argv[0]);   // set up device   int dev = 0;   cudaSetDevice(dev);
  
// set up data size of vectors   int nElem = 32;   printf("Vector size %d\n", nElem);
  // malloc host memory   size_t nBytes = nElem * sizeof(float);   float *h_A, *h_B, *hostRef, *gpuRef;   h_A = (float *)malloc(nBytes);   h_B = (float *)malloc(nBytes);   hostRef = (float *)malloc(nBytes);   gpuRef = (float *)malloc(nBytes);
  
// initialize data at host side   initialData(h_A, nElem);   initialData(h_B, nElem);   memset(hostRef, 0, nBytes);   memset(gpuRef, 0, nBytes);
  
// malloc device global memory   float *d_A, *d_B, *d_C;   cudaMalloc((float**)&d_A, nBytes);   cudaMalloc((float**)&d_B, nBytes);   cudaMalloc((float**)&d_C, nBytes);
  
// transfer data from host to device   cudaMemcpy(d_A, h_A, nBytes, cudaMemcpyHostToDevice);   cudaMemcpy(d_B, h_B, nBytes, cudaMemcpyHostToDevice);
  
// invoke kernel at host side   dim3 block (nElem);   dim3 grid (nElem/block.x);   sumArraysOnGPU<<< grid, block >>>(d_A, d_B, d_C);   printf("Execution configuration <<<%d, %d>>>\n",grid.x,block.x);
  
// copy kernel result back to host side   cudaMemcpy(gpuRef, d_C, nBytes, cudaMemcpyDeviceToHost);
  
// add vector at host side for result checks   sumArraysOnHost(h_A, h_B, hostRef, nElem);
  
// check device results   checkResult(hostRef, gpuRef, nElem);
  
// free device global memory   cudaFree(d_A);   cudaFree(d_B);   cudaFree(d_C);
  
// free host memory   free(h_A);   free(h_B);   free(hostRef);   free(gpuRef);   return(0); }

编译指令:$nvcc sum.cu -o sum

运行: $./sum

输出:

./sum Starting...
Vector size 32
Execution configuration <<<1, 32>>>
Arrays match.

代码下载:CodeSamples.zip

posted @ 2015-05-28 22:36  苹果妖  阅读(7830)  评论(2编辑  收藏  举报