NVIDIA CUDA初级教程视频--（七）

**

第七章CUDA编程（二）

**
1.函数的声明
global void KernelFunc():只能从主机端调用，在设备执行，返回值类型必须是空
device float DeviceFunc():在设备和设备间使用
host float HostFunc():在主机端和主机端使用
global 、device ：尽量少用递归（不鼓励），不要用静态变量，少用malloc（现在允许但不鼓励），小心通过指针实现的函数调用
2.向量数据类型
char[1-4],uchar[1-4],short[1-4],ushort[1-4],int[1-4],uint[1-4],long[1-4],ulong[1-4],longlong[1-4],ulonglong[1-4],float[1-4],double1,double2
同时适用于主机端和设备段代码，通过函数make_构造，通过.x,.y.z,.w访问
3.数学函数 sqrt.rsqrt,exp.log,sin,cos,tan,sincos等等
Intrinsi function内建函数：仅仅面向设备端，更快，精度降低，以__为前缀，比如__exp
4.线程同步：块内线程可以同步，调用

__syncthreads创建一个barrier栅栏，每个线程在调用点等待块内所有线程执行到这个地方，然后所有线程继续执行后续指令，这是在一个线程块内的，而不是全局的。
要求线程的执行时间尽量接近，会导致线程暂停，甚至造成死锁
5.线程调度：
Warp-块内的一组线程：G80/GT200 -32个线程，运行于同一个SM，线程调度的基本单位，threadIdx值连续，一个实现细节，warpSize
利用线程相互独立执行的代码充分占据空闲的时间洗，达到延迟掩藏的效果，warp的调度是零开销的，是存在于物理空间的，如果warp内部线程沿不同分支线，则出现devergent warp
6.内存模型
寄存器registers：每个线程专用，快速，片上，可读写，增加kernel的寄存器用量
超出限制后线程数将因为block的减少而减少
局部存储器local memory：存储在global memory，作用域是每个线程，用于存储自动变量数组，通过常亮索引访问。
shared memory：在每个block共享，快速，片上，可读写，全速随机访问，和cache在同一个等级。
全局存储器：global memory：长延时（100个周期），片外，可读写，随即访问影响 性能，host主机端可读写，带宽非常大
常量存储器：constant memory：短延时，高带宽，当所有线程访问同一位置时只读，有缓存