CUDA C 编程权威指南 学习笔记：第一章 基于CUDA的异构并行计算

秒速五厘米 2022-05-30 02:07 305阅读 0赞

并行性

这个主要分为任务并行和数据并行，CPU适应任务并行，GPU更假适合数据并行，虽然CPU和GPU结构类似，但是其实很不一样，

  • CPU的核心比较重，用来处理非常复杂的控制逻辑，已优化串行程序执行
  • GPU的核心比较轻，用于优化具有简单控制逻辑的数据并行任务，注重并行程序的吞吐量

CUDA

CUDA提供两层API来管理GPU设备和组织线程

  • CUDA驱动API
  • CUDA运行时API

驱动API是更低级的API，相对来说较难编程，运行API是更加高级的DPI，它在驱动API上层实现，需要注意的是运行API和驱动API在性能上没有太大的差异。在设备端，内核如何使用内存和如何组织线程对性能有着更大的影响，这两种API是互斥的，必须使用两者之一，不可以混合使用，一般都是使用运行API

NVCC编译器

NVIDIA的CUDA nvcc编译器在编译过程中讲设备代码从主机代码中分离出来，主机代码是标准的C代码，有C编译器做编译，设备代码由CUDA C编写，使用nvcc编译。在链接阶段，在内核程序调用和显示GPU设备操作中添加CUDA运行时库。

cudaDeviceReset()函数用来想的释放和清空当前进程中与当前设备相关的所有的资源

发表评论

表情：
评论列表 （有 0 条评论，305人围观）

还没有评论，来说两句吧...

相关阅读

    相关 CUDA 并行计算

    CUDA 并行计算 并行计算可以被定义为同时使用许多计算资源 (核心或计算机) 来执行并发计算，一个大的问题可以被分解成多个小问题，然后在不同的计算资源上并行处理这些小

    小咪咪小咪咪/ 0 赞/ 95 阅读

    相关 异构计算与CUDA

    记录下关于异构计算的链接 [参考链接][Link 1] GPU和CPU执行程序是异步的，核函数调用后成立刻会到主机线程继续，而不管GPU端核函数是否执行完毕，所以上面

    向右看齐向右看齐/ 0 赞/ 258 阅读