NVIDIA OpenACC 在线课程 （一） 学习笔记

1. pragma acc kernels[]
{
}
表示可能存在并行性，由编译器分析并行性，并根据分析结果决定是否生成GPU kernels


2. #pragma acc parallel loop 
开发者已经知道该循环可以并行化，不用编译器再来分析并行性；只并行化当前修饰的循环且该循环可以是嵌套的；


Independent clause
开发者知道循环迭代间不存在别名关系，例如 
pragma acc kernels[]
#pragma acc loop independent


3. pragma acc data  
{ }
表示所有的数据都会被保留在GPU平台上，直到到达区域外。{}里面可以是parallel loop或者多个kernels
copyin(a[0:N]) ：0是起始位置，N表示元素个数
copyout(a[0:N]) copy(a[0:N])， create() 只分配内存，不拷贝数据；
present（list）已经在GPU上分配了内存，不需要分配
deviceptr：与cuda互操作，表示该指针就是在gpu上的指针


pgi社区版本 免费支持学术界使用，由NVIDIA提供支持，比gcc的支持更好；


PGI编译器指南
pgcc  -acc -Minfo=accel  -Mcuda=cc60 main.c
-ta=tesla 指定体系结构
-Mcuda=cc60 GPU的计算能力， k40的计算能力是cc35， p100计算能力是cc60
-Mcuda=keepgpu  生成kernel文件，但是可读性差；也可以保留到ptx代码
会打印编译信息
PGI_ACC_TIME=1 ./a.out




OpenACC默认是同步执行的；CUDA默认是异步执行的；


pragma acc loop gang, vector(128)  gang是指block，vector是指block内的线程数目
没有支持python的计划；