Abstract: 本文从总体上给出了CUDA编程的Big picture，后续所有的文章都在本文的基础上详细展开。
Keywords: 并行计算，串行编程，并行编程，计算机架构，并行性，异构架构，CUDA
开篇废话
CUDA这就正式开始了，废话就是我发现现在大家是有钱了，无论是穿着，饰品，座驾，还是谈论都是国内知名的国际一线品牌，但是我真希望他们说话能温文尔雅一些，别再公共场所吸烟，别随地吐痰，开车能按照秩序别插队。。。。。。
我不是愤青，我也不仇富，因为我不穷，我只是感觉这样不太好。
最深刻的绝望就是，当你发现你能达到当前最高高度的那种生活也是你所讨厌的时候，这就是最深刻的绝望。如果努力就能达到自己想要的生活的时候，这个时候是不怕困难与辛苦的，没有希望的时候才是最大的绝望。
听过一句话，电影里面的一句台词，不是名人说的，但我觉得非常值得我思考，“慢就是稳，稳就是快”，我们的发展太快了，以至于出现了各种《21天精通C++》《10天学会机器学习》这类东西。
稳住吧，打好基础，才有机会去更好的环境。
Big Picture
我们学习CUDA主要参考《CUDA C编程权威指南》我们的博客也基本按照书中的章节进行。
结构：
CUDA想要运行起来并不困难，但是想要写得好，真的需要研究一下，某乎上各路大牛给出的建议是看CUDA的官方文档，我之前也是过了一遍文档，但是文档教会你更多的是如何写代码，而没有讲解详细的硬件结构（可能在别的文档中，我只看了编程指导），我们学习编程应该同时理解语言，编程模型，硬件执行模型，以及优化方法，单纯的学会写代码，能运行，这是培训班的节奏。
还记得峰哥的话，知道编译原理和操作系统（软硬件），什么语言都一样。
读这个系列的文章需要以下知识：
- C/C++ 编程经验，这个不用说，如果C都没学会就要来CUDA，我觉得不理智，根基不稳，也是我一贯所反对的
- 本系列是Freshman，后面会有Junior，主要内容肯定有所不同，目前准备的是Freshman 主要介绍基础知识，包括硬件基础，编程模型，基本性能方面的考察，和简单的优化（包括内存等），以及项目实际中的一些技巧；Junior部分主要介绍更高级的性能优化技巧，比如PTX，更高级的内存处理等；优化空间最大的是并行算法的设计，当然不在本系列所讨论的范围内，那是另一个专题了。
并行计算
我们的计算机从最早的埃尼阿克到现在的各种超算，都是为了应用而产生的，软件和硬件相互刺激而相互进步，并行计算也是这样产生的，我们最早的计算机肯定不是并行的，但是可以做成多线程的，因为当时一个CPU只有一个核，所以不可能一个核同时执行两个计算，后来我们的应用逐步要求计算量越来越高，所以单核的计算速度也在逐步上升，后来大规模并行应用产生了，我们迫切的需要能够同时处理很多数据的机器，比如图像处理，以及处理大规模的同时访问的服务器后台。
并行计算其实设计到两个不同的技术领域：
- 计算机架构（硬件）
- 并行程序设计（软件）
这两个很好理解，一个生产工具，一个用工具产生各种不同应用。
硬件主要的目标就是为软件提供更快的计算速度，更低的性能功耗比，硬件结构上支持更快的并行。
软件的主要目的是使用当前的硬件压榨出最高的性能，给应用提供更稳定快速的计算结果。
我们传统的计算机结构一般是哈佛体系结构（后来演变出冯·诺依曼结构）主要分成三部分：
- 内存（指令内存，数据内存）
- 中央处理单元（控制单元和算数逻辑单元）
- 输入、输出接口
后面的冯诺依曼结构就把数据和指令都当做数据来处理了，这里就不再介绍了，再次安利《深入理解计算机系统》这本书，里面可以找到相关知识。
写并行和串行的最大区别就是，写串行程序可能不需要学习不同的硬件平台，但是写并行程序就需要对硬件有一定的了解了。
posted on
