CUDA学习之使用GPU进行两个数组相加

Posted 小小一步

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了CUDA学习之使用GPU进行两个数组相加相关的知识,希望对你有一定的参考价值。

 传入两个数组,在GPU中将两个数组对应索引位置相加

#include "cuda_runtime.h"
#include "device_launch_parameters.h"

#include <iomanip>
#include <iostream>
#include <stdio.h>

using namespace std;

//检测GPU
bool CheckCUDA(void){
    int count = 0;
    int i = 0;

    cudaGetDeviceCount(&count);
    if (count == 0) {
        printf("找不到支持CUDA的设备!\\n");
        return false;
    }
    cudaDeviceProp prop;
    for (i = 0; i < count; i++) {
        if (cudaGetDeviceProperties(&prop, i) == cudaSuccess) {
            if (prop.major >= 1) {
                break;
            }
        }
    }
    if (i == count) {
        printf("找不到支持CUDA的设备!\\n");
        return false;
    }
    cudaGetDeviceProperties(&prop, 0);
    printf("GPU is: %s\\n", prop.name);
    cudaSetDevice(0);
    printf("CUDA initialized success.\\n");
    return true;
}//使用一维数组相加
__global__ void addForOneDim(double *a, double *b, double *c, int N);

//初始化一维数组
void InitOneDimArray(double *a, double b, int N);

int main(){
    //检测GPU
    if (!CheckCUDA()){
        cout << "No CUDA device.";
        return 0;
    }

  //****数组相加************************************************************************************************************************ cout << "****************************************数组相加*********************************************************************" << endl; int N = 20; //定义数组大小 double *h_a_one, *h_b_one, *h_c_one; //声明在CPU上使用的指针 double *d_a_one, *d_b_one, *d_c_one; //声明在GPU上使用的指针 //为数组分配大小 h_a_one = new double[N]; h_b_one = new double[N]; h_c_one = new double[N]; cudaMalloc((void **)&d_a_one, sizeof(double)*N); //在GPU上分配内存空间 cudaMalloc((void **)&d_b_one, sizeof(double)*N); cudaMalloc((void **)&d_c_one, sizeof(double)*N); //为数组初始化 InitOneDimArray(h_a_one, 1.1, N); InitOneDimArray(h_b_one, 2.2, N); //使用GPU中分配的指针指向CPU中的数组 cudaMemcpy(d_a_one, h_a_one, sizeof(double)*N, cudaMemcpyHostToDevice); cudaMemcpy(d_b_one, h_b_one, sizeof(double)*N, cudaMemcpyHostToDevice); //调用核函数,使用1个线程块N个线程 //addForOneDim<<<1, N>>>(h_a_one, h_b_one, d_c_one, N); //不能使用h_a_one和h_b_one,只能使用GPU上定义的指针,不然结果如图一所示 addForOneDim<<<1, N>>>(d_a_one, d_b_one, d_c_one, N); //结果如图二所示
  //调用核函数,使用N个线程块,每个线程块中包含1个线程
  //addForOneDim<<<N, 1>>>(d_a_one, d_b_one, d_c_one, N); //结果如图三所示 //将GPU上计算好的结果返回到CPU上定义好的变量 cudaMemcpy(h_c_one, d_c_one, sizeof(double)*N, cudaMemcpyDeviceToHost); //打印结果 for (int i = 0; i < N; i++){ cout << h_a_one[i] << " + " << h_b_one[i] << " = " << h_c_one[i] << endl; } cout << endl << endl; system("pause"); return 0; } //使用一维数组相加 __global__ void addForOneDim(double *a, double *b, double *c, int N){ int tid = threadIdx.x; //线程索引,启用1个线程块,每个线程块N个线程 if (tid < N){ c[tid] = a[tid] + b[tid]; } } //初始化一维数组 void InitOneDimArray(double *a, double b, int N){ for (int i = 0; i < N; i++){ a[i] = (i+1) * b; //cout << a[i] << endl; } }

 

 图一 (该图是错误的)

 

 图二 (该图是正确的)

 

图三 (该图是错误的)当在调用核函数时,

addForOneDim<<<N, 1>>>(d_a_one, d_b_one, d_c_one, N);

使用的索引是

int tid = threadIdx.x;      //对应的是一个线程块中每个线程id

正确的索引是 

int tid = blockIdx.x;       //对应的是每个线程块id

 

 

以上是关于CUDA学习之使用GPU进行两个数组相加的主要内容,如果未能解决你的问题,请参考以下文章

CUDA学习之使用共享内存(shared memory)进行归约求和

机器学习之GPU运算性能和CPU性能对比

cuda实现矩阵相加

使用单 GPU 和 Visual Studio 进行 Cuda 调试

如何阻塞直到异步作业完成

cuda()的作用