C++学习|CUDA编程入门

GPU介绍

GPU（Graphics Processing Unit，图形处理器，显卡）：最早主要是进行图形处理，现在已经被广泛应用于深度学习，最大的优势就是高效的并行计算能力。

GPU和CPU的区别：

• 结构上来说，虽然CPU和GPU都有控制单元、运算单元和缓存，但是CPU需要大量空间存放控制单元和缓存，而GPU中运算单元占了大部分。
• 功能上来说，由于结构上占比，所以CPU在大规模并行计算能力上极受限制，而更擅长逻辑控制。而GPU有数量众多的计算单元和超长的流水线，非常适合计算海量同类型处理的数据。

为什么要用GPU：GPU比CPU的优势在于能提供高性能的并行运算，对于大规模同类型数据处理，可以通过算法并行优化来提高运行效率。

CUDA 介绍

CUDA（Compute Unified Device Architecture）：2006年，NIVIDIA公司发布了CUDA。CUDA是操作GPU计算的硬件和软件的架构，提供了GPU编程的简易接口。

CUDA支持多语言：C/C++、Python、Fortran等。

CUDA提供两层API接口：CUDA驱动（Driver）和CUDA运行时（Runtime）API。两者调用性能几乎差异不大，但Runtime API使用更加友好。因为Driver API 可以通过直接操作硬件执行一些复杂的功能，Runtime API 对 Driver API 进行了一定的封装，隐藏了部分实现细节。

NVCC——CUDA编译器

NVCC：NVCC是CUDA的编译器，位于bin/目录中。

工作流程：CUDA程序是包含主机（Host）代码和设备（Device）代码的统一源代码，Host代码在CPU运行，Device代码在GPU运行。NVCC编译器在编译过程中将两者区分开来，Host代码是用C语言编译的，那么就会交给C编译器进一步编译，以一个CPU进程的方式运行；Device代码用C扩展语言编写，GPU运行的核函数（后面有介绍核函数）代码会由NVCC进一步编译并在GPU上执行。

cu/cuh文件——CUDA文件

cu/cuh文件：cu和cuh都是CUDA的后缀格式。cu文件只是含有CUDA代码的cpp文件，cuh相当于CUDA的头文件后缀名。

CUDA文件里面可以包含Host代码和Device代码。

核函数——操作GPU

核函数（Kernel function）：核函数在GPU上进行并行执行。

函数编写形式：

• 限定词：“__global__”修饰。
• 返回值：返回值必须是void。
• 文件：在.cu文件中编写。

__global__ void func(argument arg)
{
	printf("GPU: Hellow World\n");
}

编写注意事项：

• 核函数只能访问GPU内存。GPU和CPU之间内存是要通过特定API才能进行交互的。
• 核函数不能使用变长参数、静态变量和函数指针。
• 核函数具有异步性。CPU不会等GPU核函数运行完了才继续。

核函数的调用：使用“<<>>”来调用线程执行核函数，grid、block和线程的概念会在线程模型里面详细解释。

int main(void){
	func<<<1, 1>>>();
	return 0;
}

线程模型——CUDA逻辑结构

CUDA 的并行计算：通过成千上万个线程（Thread）的并行执行来实现。

线程模型Thread（线程）、Block（线程块）、Grid（网格）三者关系：如下图所示，Thread组成Block，Block组成Grid，Kernel执行的时候启动的是一个Grid。这些线程块的划分都是逻辑上，并不是物理上，划分是为了方便编写代码。

理解核函数调用：这时候其实就能理解前面核函数的“<<>>”调用，grid_size参数指的是一个Grid里面有多少个Block，block_size参数指的是一个Block里面有多少个线程。参数grid_size×block_size就是线程数量，可以理解为有多少个一模一样的函数线程在同时跑。

func<<<1, 1>>>();//输出一次：GPU: Hellow World，因为有1个线程。
func<<<2, 4>>>();//输出八次：GPU: Hellow World，因为有8个线程。

多维线程：前面代码部分提到的都是一维的Grid和Block，但Grid和Block可以不止一维甚至最多能到三维。例如在上面线程模型图中，Grid和Block里面的结构都是二维的，从索引的坐标可以看得出来。在执行核函数前，用dim3变量规定一下grid_size和block_size参数的维度就行了。

dim3 grid_size(2,2);//二维
dim3 block_size(16, 16, 2);//三维
func<<<grids, blocks>>>();

线程索引：每个线程都会一个唯一编号标识。下面示范一个二维Grid和二维Block的线程索引计算，可以配合上面的线程模型图理解。

// blockIdx、threadIdx都是unit3类型，表示它们的坐标。
// gridDim、blockDime都是dim3类型，表示网格的大小。
int blockId=blockIdx.x+blockId.y*gridDim.x;// block在grid的ID
int threadId=threadIdx.y*blockDim.x+threadIdx.x;// thread在block的ID
int id=blockId*(blockDim.x*blockDim.y)+threadId;// thread在grid的ID

为什么要有多维线程：主要是为了简化一些三维建模以及二维图像处理的问题。例如二维图片做图像处理，每个核函数要对图片像素进行操作，但是传入的是图片的矩阵，那么核函数还需要计算出自己处理的是那个像素。这个时候因为block结构本身就是二维，可以直接用thread本身的x和y来索引。如果block结构是一维的，还得花很多心思去调整偏移量和步幅来找到要处理的像素。

// 多维线程实现矩阵加法
__global__ void MatAdd(int A[N][N], int B[N][N], int C[N][N]){
    int x = threadIdx.x;// 在block中线程的x坐标
    int y = threadIdx.y;// 在block中线程的y坐标
    C[x][y] = A[x][y] + B[x][y];
}
 
int main(){
	...
    int grid_size = 1;
    dim3 block_size(N,N);
    MatAdd<<<grid_size,block_size>>>(A,B,C);
    ...
}

CUDA程序运行流程

1. CPU初始化：分配 Host 内存，并进行数据初始化。
2. GPU初始化：分配 Device 内存，并从 Host 将数据拷贝到 Device 上。
3. GPU并行运算：调用 CUDA 的核函数在 Device 上完成指定的运算。
4. 结果从GPU传回CPU：将 Device上的运算结果拷贝到 Host 上。
5. 初始化清空：释放 Device 和 Host 上分配的内存。

CUDA内存管理

了解了CUDA程序运行流程，复杂的CUDA程序会涉及到CPU和GPU之间的数据交互。CPU和GPU之间的数据是不共享的，所以需要分配、拷贝、传递以及释放。

功能	函数
内存分配	cudaMalloc
数据传递	cudaMemcpy
内存初始化	cudaMemset
内存释放	cudaFree