第一个CUDA程序-addVector

本文主要通过对两个浮点数组中的数据进行相加，并将其结果放入第三个数组中。其算法分别在CPU、GPU上分别执行，并比较了所需时间，强烈感受到GPU的并行计算能力。这里，每个数组的元素大小为30000000个。

一、实现代码

[cpp] view
plain copy

#include <stdio.h>  

#include <stdlib.h>  

#include <time.h>  

#include <math.h>  

  

// For the CUDA runtime routines (prefixed with "cuda_")  

#include <cuda_runtime.h>  

  

//该函数声明为了__global__，表示由GPU调用执行.  

//其功能为将数组pA、pB中对应位置的数据相加，并将结果放入数组pC的对应位置上  

//每个数组的索引大小为size  

__global__  

void add(const float * pA, const float * pB, float * pC, unsigned int size)  

{  

    int index = blockIdx.x * blockDim.x + threadIdx.x;      //计算当前数组中的索引  

    if (index < size)                                        //确保是一个有效的索引  

        pC[index] = pA[index] + pB[index];  

  

}  

  

int main()  

{  

    unsigned int numElement = 30000000;  

    int totalSize = sizeof(float)* numElement;  

  

    //init  

    float *pA = (float*)malloc(totalSize);  

    float *pB = (float*)malloc(totalSize);  

    float *pC = (float*)malloc(totalSize);  

  

    for (int i = 0; i < numElement; ++i)  

    {  

        *(pA + i) = rand() / (float)RAND_MAX;;  

        *(pB + i) = rand() / (float)RAND_MAX;  

    }  

  

    //cpu segment  

  

    //begin use cpu comput  

    clock_t startTime, endTime;  

    startTime = clock();  

    for (int i = 0; i < numElement; ++i)  

    {  

        *(pC + i) = *(pA + i) + *(pB + i);  

    }  

    endTime = clock();  

    //end use cpu comput  

  

    printf("use cpu comput finish!\n");  

    printf("use total time = %fs\n", (endTime - startTime) / 1000.f);  

    printf("\n\n");  

  

  

    //gpu segment  

    float *pD, *pE, *pF;  

    cudaError_t err = cudaSuccess;  

  

    //malloc memory  

    err = cudaMalloc(&pD, totalSize);  

    if (err != cudaSuccess)  

    {  

        printf("call cudaMalloc fail for pD.\n");  

        exit(1);  

    }  

  

    err = cudaMalloc(&pE, totalSize);  

    if (err != cudaSuccess)  

    {  

        printf("call cudaMalloc fail for pE.\n");  

        exit(1);  

    }  

  

    err = cudaMalloc(&pF, totalSize);  

    if (err != cudaSuccess)  

    {  

        printf("call cudaMalloc fail for pF.\n");  

        exit(1);  

    }  

  

    //copy data  from pA pB pC to pD pE pF  

    err = cudaMemcpy(pD, pA, totalSize, cudaMemcpyHostToDevice);  

    if (err != cudaSuccess)  

    {  

        printf("call cudaMemcpy fail for pA to pD.\n");  

        exit(1);  

    }  

  

    err = cudaMemcpy(pE, pB, totalSize, cudaMemcpyHostToDevice);  

    if (err != cudaSuccess)  

    {  

        printf("call cudaMemcpy fail for pB to pE.\n");  

        exit(1);  

    }  

  

  

    //begin use gpu comput  

    startTime = clock();  

    int threadPerBlock = 1024;  

    int numBlock = (numElement - 1) / threadPerBlock + 1;  

    add << <numBlock, threadPerBlock >> >(pD, pE, pF, numElement);  

  

    err = cudaGetLastError();  

    if (err != cudaSuccess)  

    {  

        printf("use gpu comput fail!\n");  

        exit(1);   

    }  

  

    endTime = clock();  

    printf("use gpu comput finish!\n");  

    printf("use time : %fs\n",(endTime - startTime) / 1000.f);  

    //end use gpu comput  

  

  

    //copu data from device to host  

    err = cudaMemcpy(pC, pF, numElement, cudaMemcpyDeviceToHost);  

    if (err != cudaSuccess)  

    {  

        printf("call cudaMemcpy form pF to pC fail.\n");  

        exit(1);  

    }  

  

    //check data  

    for (int i = 0; i < numElement; ++i)  

    {  

        if (fabs(pA[i] + pB[i] - pC[i]) > 1e-5)  

        {  

            printf("%f + %f != %f\n",pA[i],pB[i],pC[i]);  

        }  

    }  

  

    //释放设备上的内存  

    cudaFree(pD);  

    cudaFree(pE);  

    cudaFree(pF);  

  

    //在程序退出前，调用该函数重置该设备，使驱动去清理设备状态，并且在程序退出前所有的数据将被刷出。  

    err = cudaDeviceReset();  

    if (err != cudaSuccess)  

    {  

        printf("call cudaDeviceReset fail!\n");  

        exit(1);  

    }  

  

    free(pA);  

    free(pB);  

    free(pC);  

  

    getchar();  

    return 0;  

}  

二、运行结果

三、部分CUDA函数说明

1、cudaMalloc

[cpp] view
plain copy

__host__  cudaError_t  cudaMalloc(void **devPtr, size_t size);  

        该函数主要用来分配设备上的内存（即显存中的内存）。该函数被声明为了__host__，即表示被host所调用，即在cpu中执行的代码所调用。
        返回值：为cudaError_t类型，实质为cudaError的枚举类型，其中定义了一系列的错误代码。如果函数调用成功，则返回cudaSuccess。
        第一个参数，void ** 类型，devPtr：用于接受该函数所分配的内存地址
        第二个参数，size_t类型，size：指定分配内存的大小，单位为字节

2、cudaFree

[cpp] view
plain copy

__host__  cudaError_t  cudaFree(void *devPtr);  

        该函数用来释放先前在设备上申请的内存空间（通过cudaMalloc、cudaMallocPitch等函数），注意，不能释放通过标准库函数malloc进行申请的内存。
        返回值：为错误代码的类型值
        第一个参数，void**类型，devPtr：指向需要释放的设备内存地址

3、cudaMemcpy

[cpp] view
plain copy

__host__ cudaError_t  cudaMemcpy(void *dst, const void *src, size_t count, enum cudaMemcpyKind kind);  

        该函数主要用于将不同内存段的数据进行拷贝，内存可用是设备内存，也可用是主机内存
        第一个参数，void*类型，dst：为目的内存地址
        第二个参数，const void *类型，src：源内存地址
        第三个参数，size_t类型，count：将要进行拷贝的字节大小
        第四个参数，enum cudaMemcpyKind类型，kind：拷贝的类型，决定拷贝的方向
cudaMemcpyKind类型如下：

[cpp] view
plain copy

enum __device_builtin__ cudaMemcpyKind  

{  

    cudaMemcpyHostToHost          =   0,      /**< Host   -> Host */  

    cudaMemcpyHostToDevice        =   1,      /**< Host   -> Device */  

    cudaMemcpyDeviceToHost        =   2,      /**< Device -> Host */  

    cudaMemcpyDeviceToDevice      =   3,      /**< Device -> Device */  

    cudaMemcpyDefault             =   4       /**< Default based unified virtual address space */  

};  

cudaMemcpyKind决定了拷贝的方向，即是从主机的内存拷贝至设备内存，还是将设备内存拷贝值主机内存等。cudaMemcpy内部根据拷贝的类型（kind）来决定调用以下的某个函数：

[cpp] view
plain copy

::cudaMemcpyHostToHost,   

::cudaMemcpyHostToDevice,   

::cudaMemcpyDeviceToHost,  

::cudaMemcpyDeviceToDevice  

4、cudaDeviceReset

[cpp] view
plain copy

__host__ cudaError_t  cudaDeviceReset(void);  

        该函数销毁当前进程中当前设备上所有的内存分配和重置所有状态，调用该函数达到重新初始该设备的作用。应该注意，在调用该函数时，应该确保该进程中其他host线程不能访问该设备！

Last:源程序下载地址
    Github地址：https://github.com/daodaodaorenjiandao/CUDA/tree/master/1AddVector
转载来自：http://blog.csdn.net/a812073479/article/details/50189425