來源：AI人工智能初學者
作者：ChaucerG

目錄

1、CUDA的簡介
2、GPU架構和CUDA介紹
3、CUDA架構
4、開發(fā)環(huán)境說明和配置
5、開始第一個Hello CUDA程序
5.1、VS2017創(chuàng)建NVIDIA CUDA項目
5.2、VS2017中輸入 CUDA代碼（附.cu代碼以及講解）
5.3、VS2017生成并開始執(zhí)行
參考

1、CUDA的簡介

計算統(tǒng)一設備架構（Compute Unified Device Architecture，CUDA）是由英偉達（NVIDIA）開發(fā)的一套非常流行的并行計算平臺和編程模型。它只支持NVIDIA GPU卡。OpenCL則用來為其他類型的GPU編寫并行代碼，比如AMD和英特爾，但它比CUDA更復雜。CUDA可以使用簡單的編程API在圖形處理單元（GPU）上創(chuàng)建大規(guī)模并行應用程序。

使用C和C++的軟件開發(fā)人員可以通過使用CUDA C或C++來利用GPU的強大性能來加速他們的軟件應用程序。用CUDA編寫的程序類似于用簡單的C或C++編寫的程序，添加需要利用GPU并行性的關鍵字。CUDA允許程序員指定CUDA代碼的哪個部分在CPU上執(zhí)行，哪個部分在GPU上執(zhí)行。

2、GPU架構和CUDA介紹

GeForce 256是英偉達于1999年開發(fā)的第一個GPU。最初只用在顯示器上渲染高端圖形。它們只用于像素計算。后來，人們意識到如果可以做像素計算，那么他們也可以做其他的數(shù)學計算。現(xiàn)在，GPU除了用于渲染圖形圖像外，還用于其他許多應用程序中。這些GPU被稱為通用GPU（GPGPU）。

CPU具有復雜的控制硬件和較少的數(shù)據(jù)計算硬件。復雜的控制硬件在性能上提供了CPU的靈活性和一個簡單的編程接口，但是就功耗而言，這是昂貴的。而另一方面，GPU具有簡單的控制硬件和更多的數(shù)據(jù)計算硬件，使其具有并行計算的能力。這種結構使它更節(jié)能。缺點是它有一個更嚴格的編程模型。在GPU計算的早期，OpenGL和DirectX等圖形API是與GPU交互的唯一方式。對于不熟悉OpenGL或DirectX的普通程序員來說，這是一項復雜的任務。這促成了CUDA編程架構的開發(fā)，它提供了一種與GPU交互的簡單而高效的方式。

一般來說，任何硬件架構的性能都是根據(jù)延遲和吞吐量來度量的。延遲是完成給定任務所花費的時間，而吞吐量是在給定時間內(nèi)完成任務的數(shù)量。這些概念并不矛盾。通常情況下，提高一個，另一個也會隨之提高。在某種程度上，大多數(shù)硬件架構旨在提高延遲或吞吐量。

同樣，正常的串行CPU被設計為優(yōu)化延遲，而GPU被設計為優(yōu)化吞吐量。CPU被設計為在最短時間內(nèi)執(zhí)行所有指令，而GPU被設計為在給定時間內(nèi)執(zhí)行更多指令。GPU的這種設計理念使它們在圖像處理和計算機視覺應用中非常有用，這也是本書的目的，因為我們不介意單個像素處理的延遲。我們想要的是在給定的時間內(nèi)處理更多的像素，這可以在GPU上完成。

綜上所述，如果我們想在相同的時鐘速度和功率要求下提高計算性能，那么并行計算就是我們所需要的。GPU通過讓許多簡單的計算單元并行工作來提供這種能力。現(xiàn)在，為了與GPU交互，并利用其并行計算能力，我們需要一個由CUDA提供的簡單的并行編程架構。

3、CUDA架構

CUDA架構包括幾個專門為GPU通用計算而設計的特性，這在早期的架構中是不存在的。它包括一個unified shedder管道，它允許GPU芯片上的所有算術邏輯單元（ALU）被一個CUDA程序編組。ALU還被設計成符合IEEE浮點單精度和雙精度標準，因此它可以用于通用應用程序。指令集也適合于一般用途的計算，而不是特定于像素計算。它還允許對內(nèi)存的任意讀寫訪問。這些特性使CUDA GPU架構在通用應用程序中非常有用。

所有的GPU都有許多被稱為核心（Core）的并行處理單元。

在硬件方面，這些核心被分為流處理器和流多處理器。GPU有這些流多處理器的網(wǎng)格。

在軟件方面，CUDA程序是作為一系列并行運行的多線程（Thread）來執(zhí)行的。每個線程都在不同的核心上執(zhí)行。可以將GPU看作多個塊（Block）的組合，每個塊可以執(zhí)行多個線程。每個塊綁定到GPU上的不同流多處理器。

CUDA程序員不知道如何在塊和流多處理器之間進行映射，但是調(diào)度器知道并完成映射。來自同一塊的線程可以相互通信。GPU有一個分層的內(nèi)存結構，處理一個塊和多個塊內(nèi)線程之間的通信。這將在接下來的章節(jié)中詳細討論。

作為一名程序員，你會好奇CUDA中的編程模型是什么，以及代碼將如何理解它是應該在CPU上執(zhí)行還是在GPU上執(zhí)行。我們將CPU及其內(nèi)存稱為主機（Host），GPU及其內(nèi)存稱為設備（Device）。CUDA代碼包含主機和設備的代碼。主機代碼由普通的C或C++編譯器在CPU上編譯，設備代碼由GPU編譯器在GPU上編譯。主機代碼通過所謂的內(nèi)核調(diào)用調(diào)用設備代碼。它將在設備上并行啟動多個線程。在設備上啟動多少線程是由程序員來決定的。

現(xiàn)在，你可能會問這個設備代碼與普通C代碼有何不同。答案是，它類似于正常的串行C代碼。只是這段代碼是在大量內(nèi)核上并行執(zhí)行的。然而，要使這段代碼工作，它需要設備顯存上的數(shù)據(jù)。因此，在啟動線程之前，主機將數(shù)據(jù)從主機內(nèi)存復制到設備顯存。線程處理來自設備顯存的數(shù)據(jù)，并將結果存儲在設備顯存中。最后，將這些數(shù)據(jù)復制回主機內(nèi)存進行進一步處理。綜上所述，CUDA C程序的開發(fā)步驟如下：

1）為主機和設備顯存中的數(shù)據(jù)分配內(nèi)存。
2）將數(shù)據(jù)從主機內(nèi)存復制到設備顯存。
3）通過指定并行度來啟動內(nèi)核。
4）所有線程完成后，將數(shù)據(jù)從設備顯存復制回主機內(nèi)存。
5）釋放主機和設備上使用的所有內(nèi)存。

4、開發(fā)環(huán)境說明和配置

先決條件：

1、電腦具有支持cuda的GPU（一般具有獨立顯卡就可以，不過最好不要太老的版本）；
2、英偉達顯卡驅動；
3、標準C編譯器；
4、CUDA開發(fā)工具包。

windows10下cuda工具包的安裝：

1、MicroSoft Visio Studio 2017的安裝（也可以是其他的版本，筆者使用的是2017）
2、下載cuda10.1安裝包（最新的是10.2）；
3、直接點擊.exe文件進行安裝，選擇自定義安裝，所有選項均勾選；
4、配置CUDA系統(tǒng)環(huán)境變量（和配置深度學習環(huán)境一樣配置系統(tǒng)環(huán)境變量）。

5、開始第一個Hello CUDA程序

5.1、VS2017創(chuàng)建NVIDIA CUDA項目

步驟如下：

1）打開Microsoft Visual Studio。
2）進入File|New|Project。
3）依次選擇NVIDIA|CUDA 10.1|CUDA 10.1 Runtime。
4）為項目自定義名稱，然后單擊OK按鈕。
5）它將創(chuàng)建一個帶有kernel.cu示例文件的項目。現(xiàn)在雙擊打開這個文件。
6）從文件中刪除現(xiàn)有代碼，寫入前面編寫的那段代碼。
7）從生成（Build）選項卡中選擇生成（build）進行編譯，并按快捷鍵Ctrl+F5調(diào)試代碼。

5.2、VS2017中輸入 CUDA代碼

#include

與C編程的區(qū)別：

1）一個名為myfirstkernel的空函數(shù)，前綴為/_/_global/_/_

2）使用<<1,1>>>調(diào)用myfirstkernel函數(shù)

/_/_global/_/_是CUDA C在標準C中添加的一個限定符，它告訴編譯器在這個限定符后面的函數(shù)定義應該在設備上而不是在主機上運行。在前面的代碼中，myfirstkernel將運行在設備上而不是主機上，但是，在這段代碼中，它是空的。

那么，main函數(shù)將在哪里運行？NVCC編譯器將把這個函數(shù)提供給C編譯器，因為它沒有被global關鍵字修飾，因此main函數(shù)將在主機上運行。

代碼中的第二個不同之處在于對空的myfirstkernel函數(shù)的調(diào)用帶有一些尖括號和數(shù)值。這是一個CUDA C技巧：從主機代碼調(diào)用設備代碼。它被稱為內(nèi)核調(diào)用。內(nèi)核調(diào)用的細節(jié)將在后面的章節(jié)中解釋。尖括號內(nèi)的值表示我們希望在運行時從主機傳遞給設備的參數(shù)。基本上，它表示塊的數(shù)量和將在設備上并行運行的線程數(shù)。因此，在這段代碼中，<<<1,1>>>表示myfirstkernel將運行在設備上的一個塊和一個線程或塊上。雖然這不是對設備資源的最佳使用，但是理解在主機上執(zhí)行的代碼和在設備上執(zhí)行的代碼之間的區(qū)別是一個很好的起點。

讓我們再來重溫和修改“Hello,CUDA!”代碼，myfirstkernel函數(shù)將運行在一個只有一個塊和一個線程或塊的設備上。它將通過一個稱為內(nèi)核啟動的方法從main函數(shù)內(nèi)部的主機代碼啟動。

5.3、VS2017生成并開始執(zhí)行

審核編輯 黃昊宇