以下CUDA sample是分別用C++和CUDA實現的兩個非常大的向量相加操作，并對其中使用到的CUDA函數進行了解說，各個文件內容如下：

common.hpp:

#ifndef FBC_CUDA_TEST_COMMON_HPP_
#define FBC_CUDA_TEST_COMMON_HPP_#include<random>template< typename T >
static inline int check_Cuda(T result, const char * const func, const char * const file, const int line)
{if (result) {fprintf(stderr, "Error CUDA: at %s: %d, error code=%d, func: %s\n", file, line, static_cast<unsigned int>(result), func);cudaDeviceReset(); // Make sure we call CUDA Device Reset before exitingreturn -1;}
}template< typename T >
static inline int check(T result, const char * const func, const char * const file, const int line)
{if (result) {fprintf(stderr, "Error: at %s: %d, error code=%d, func: %s\n", file, line, static_cast<unsigned int>(result), func);return -1;}
}#define checkCudaErrors(val) check_Cuda((val), __FUNCTION__, __FILE__, __LINE__)
#define checkErrors(val) check((val), __FUNCTION__, __FILE__, __LINE__)#define CHECK(x) { \if (x) {} \else { fprintf(stderr, "Check Failed: %s, file: %s, line: %d\n", #x, __FILE__, __LINE__); return -1; } \
}#define PRINT_ERROR_INFO(info) { \fprintf(stderr, "Error: %s, file: %s, func: %s, line: %d\n", #info, __FILE__, __FUNCTION__, __LINE__); \return -1; }#define EPS 1.0e-4 // ε(Epsilon),非常小的數static inline void generator_random_number(float* data, int length, float a = 0.f, float b = 1.f)
{std::random_device rd; std::mt19937 generator(rd()); // 每次產生不固定的不同的值//std::default_random_engine generator; // 每次產生固定的不同的值std::uniform_real_distribution<float> distribution(a, b);for (int i = 0; i < length; ++i) {data[i] = distribution(generator);}
}#endif // FBC_CUDA_TEST_COMMON_HPP_

funset.cpp:

#include "funset.hpp"
#include <random>
#include <iostream>
#include <vector>
#include <memory>
#include "common.hpp"int test_long_vector_add()
{const int length{ 100000000 };std::unique_ptr<float[]> A(new float[length]);std::unique_ptr<float[]> B(new float[length]);std::unique_ptr<float[]> C1(new float[length]);std::unique_ptr<float[]> C2(new float[length]);generator_random_number(A.get(), length, -1000.f, 1000.f);generator_random_number(B.get(), length, -1000.f, 1000.f);float elapsed_time1{ 0.f }, elapsed_time2{ 0.f }; // millisecondsint ret = long_vector_add_cpu(A.get(), B.get(), C1.get(), length, &elapsed_time1);if (ret != 0) PRINT_ERROR_INFO(long_vector_add_cpu);ret = long_vector_add_gpu(A.get(), B.get(), C2.get(), length, &elapsed_time2);if (ret != 0) PRINT_ERROR_INFO(matrix_mul_gpu);int count_error{ 0 };for (int i = 0; i < length; ++i) {if (count_error > 100) return -1;if (fabs(C1[i] - C2[i]) > EPS) {fprintf(stderr, "Result verification failed at element %d, C1: %f, C2: %f\n",i, C1[i], C2[i]);++count_error;}}fprintf(stderr, "cpu run time: %f ms, gpu run time: %f ms\n", elapsed_time1, elapsed_time2);return 0;
}

long_vector_add.cpp:

#include "funset.hpp"
#include <chrono>int long_vector_add_cpu(const float* A, const float* B, float* C, int elements_num, float* elapsed_time)
{auto start = std::chrono::steady_clock::now();for (int i = 0; i < elements_num; ++i) {C[i] = A[i] + B[i];}auto end = std::chrono::steady_clock::now();auto duration = std::chrono::duration_cast<std::chrono::nanoseconds>(end - start);*elapsed_time = duration.count() * 1.0e-6;return 0;
}

long_vector_add.cu:

#include "funset.hpp"
#include <iostream>
#include <cuda_runtime.h> // For the CUDA runtime routines (prefixed with "cuda_")
#include <device_launch_parameters.h>
#include "common.hpp"/* __global__: 函數類型限定符;在設備上運行;在主機端調用,計算能力3.2及以上可以在
設備端調用;聲明的函數的返回值必須是void類型;對此類型函數的調用是異步的,即在
設備完全完成它的運行之前就返回了;對此類型函數的調用必須指定執行配置,即用于在
設備上執行函數時的grid和block的維度,以及相關的流(即插入<<<   >>>運算符);
a kernel,表示此函數為內核函數(運行在GPU上的CUDA并行計算函數稱為kernel(內核函
數),內核函數必須通過__global__函數類型限定符定義);*/
__global__ static void long_vector_add(const float *A, const float *B, float *C, int elements_num)
{/* gridDim: 內置變量,用于描述線程網格的維度,對于所有線程塊來說,這個變量是一個常數,用來保存線程格每一維的大小,即每個線程格中線程塊的數量.一個grid最多只有二維,為dim3類型；blockDim: 內置變量,用于說明每個block的維度與尺寸.為dim3類型,包含了block在三個維度上的尺寸信息;對于所有線程塊來說,這個變量是一個常數,保存的是線程塊中每一維的線程數量;blockIdx: 內置變量,變量中包含的值就是當前執行設備代碼的線程塊的索引;用于說明當前thread所在的block在整個grid中的位置,blockIdx.x取值范圍是[0,gridDim.x-1],blockIdx.y取值范圍是[0, gridDim.y-1].為uint3類型,包含了一個block在grid中各個維度上的索引信息;threadIdx: 內置變量,變量中包含的值就是當前執行設備代碼的線程索引;用于說明當前thread在block中的位置;如果線程是一維的可獲取threadIdx.x,如果是二維的還可獲取threadIdx.y,如果是三維的還可獲取threadIdx.z;為uint3類型,包含了一個thread在block中各個維度的索引信息 */int tid = threadIdx.x + blockIdx.x * blockDim.x;while (tid < elements_num) {C[tid] = A[tid] + B[tid];tid += blockDim.x * gridDim.x;}
}int long_vector_add_gpu(const float* A, const float* B, float* C, int elements_num, float* elapsed_time)
{/* cudaEvent_t: CUDA event types,結構體類型, CUDA事件,用于測量GPU在某個任務上花費的時間,CUDA中的事件本質上是一個GPU時間戳,由于CUDA事件是在GPU上實現的,因此它們不適于對同時包含設備代碼和主機代碼的混合代碼計時*/cudaEvent_t start, stop;// cudaEventCreate: 創建一個事件對象,異步啟動cudaEventCreate(&start);cudaEventCreate(&stop);// cudaEventRecord: 記錄一個事件,異步啟動,start記錄起始時間cudaEventRecord(start, 0);size_t lengthA{ elements_num * sizeof(float) }, lengthB{ elements_num * sizeof(float) };size_t lengthC{ elements_num * sizeof(float) };float *d_A{ nullptr }, *d_B{ nullptr }, *d_C{ nullptr };// cudaMalloc: 在設備端分配內存cudaMalloc(&d_A, lengthA);cudaMalloc(&d_B, lengthB);cudaMalloc(&d_C, lengthC);/* cudaMemcpy: 在主機端和設備端拷貝數據,此函數第四個參數僅能是下面之一:(1). cudaMemcpyHostToHost: 拷貝數據從主機端到主機端(2). cudaMemcpyHostToDevice: 拷貝數據從主機端到設備端(3). cudaMemcpyDeviceToHost: 拷貝數據從設備端到主機端(4). cudaMemcpyDeviceToDevice: 拷貝數據從設備端到設備端(5). cudaMemcpyDefault: 從指針值自動推斷拷貝數據方向,需要支持統一虛擬尋址(CUDA6.0及以上版本)cudaMemcpy函數對于主機是同步的 */cudaMemcpy(d_A, A, lengthA, cudaMemcpyHostToDevice);cudaMemcpy(d_B, B, lengthB, cudaMemcpyHostToDevice);/* <<< >>>: 為CUDA引入的運算符,指定線程網格和線程塊維度等,傳遞執行參數給CUDA編譯器和運行時系統,用于說明內核函數中的線程數量,以及線程是如何組織的;尖括號中這些參數并不是傳遞給設備代碼的參數,而是告訴運行時如何啟動設備代碼,傳遞給設備代碼本身的參數是放在圓括號中傳遞的,就像標準的函數調用一樣;不同計算能力的設備對線程的總數和組織方式有不同的約束;必須先為kernel中用到的數組或變量分配好足夠的空間,再調用kernel函數,否則在GPU計算時會發生錯誤,例如越界等;使用運行時API時,需要在調用的內核函數名與參數列表直接以<<<Dg,Db,Ns,S>>>的形式設置執行配置,其中：Dg是一個dim3型變量,用于設置grid的維度和各個維度上的尺寸.設置好Dg后,grid中將有Dg.x*Dg.y個block,Dg.z必須為1;Db是一個dim3型變量,用于設置block的維度和各個維度上的尺寸.設置好Db后,每個block中將有Db.x*Db.y*Db.z個thread;Ns是一個size_t型變量,指定各塊為此調用動態分配的共享存儲器大小,這些動態分配的存儲器可供聲明為外部數組(extern __shared__)的其他任何變量使用;Ns是一個可選參數,默認值為0;S為cudaStream_t類型,用于設置與內核函數關聯的流.S是一個可選參數,默認值0. */long_vector_add << < 512, 512 >> >(d_A, d_B, d_C, elements_num);/* cudaDeviceSynchronize: kernel的啟動是異步的, 為了定位它是否出錯, 一般需要加上cudaDeviceSynchronize函數進行同步; 將會一直處于阻塞狀態,直到前面所有請求的任務已經被全部執行完畢,如果前面執行的某個任務失敗,將會返回一個錯誤；當程序中有多個流,并且流之間在某一點需要通信時,那就必須在這一點處加上同步的語句,即cudaDeviceSynchronize；異步啟動reference: https://stackoverflow.com/questions/11888772/when-to-call-cudadevicesynchronize *///cudaDeviceSynchronize();cudaMemcpy(C, d_C, lengthA, cudaMemcpyDeviceToHost);// cudaFree: 釋放設備上由cudaMalloc函數分配的內存cudaFree(d_A);cudaFree(d_B);cudaFree(d_C);// cudaEventRecord: 記錄一個事件,異步啟動,stop記錄結束時間cudaEventRecord(stop, 0);// cudaEventSynchronize: 事件同步,等待一個事件完成,異步啟動cudaEventSynchronize(stop);// cudaEventElapseTime: 計算兩個事件之間經歷的時間,單位為毫秒,異步啟動cudaEventElapsedTime(elapsed_time, start, stop);// cudaEventDestroy: 銷毀事件對象,異步啟動cudaEventDestroy(start);cudaEventDestroy(stop);return 0;
}

GitHub： https://github.com/fengbingchun/CUDA_Test

總結

以上是生活随笔為你收集整理的CUDA Samples: Long Vector Add的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。