1. 引言

前序博客：

• CUDA简介——基本概念
• CUDA简介——编程模式

kernel相关语法定义为：

• kernel函数定义，与常规C函数定义类似。
• 不同之处在于，有__global__关键字。
  • 为说明符，告诉编译器该函数应编译运行在device上，由device调用。
• kernel函数范围类型必须为void：kernel中计算的任何结果都存储在device内存中。
  • 传递给kernel操作的变量，必须为reference（引用）。
• C中函数的“pass-by-value”，即以值为参数：
  • 函数会接收其参数的copies。
  • 实际并不修改这些函数的参数。
• kernel函数为“pass-by-reference”，即将变量地址作为参数传递给kernel。

当kernel launch之后，该kernel函数结构体内的操作，将在每个Thread内并行运行。

如上图所示，所有thread都访问的是相同位置的数据，并无实际意义。实际，不同的thread应区分使用不同位置的数据，为此，需引入thread index。

实际launch kernel时，都希望能有大量的threads：

• 每个Thread都有其thread index。
  • 在Kernel中，可通过内置的threadIdx变量来获取其thread index。threadIdx为三维的，有相应的(x,y,z)。
• Thread Blocks最多有3个维度，因此，每个维度都有相应的index：
  • threadIdx.x
  • threadIdx.y
  • threadIdx.z

如：

接下来将展示如何使用threadIdx来对for 循环实现Threads并行化。

以CPU for循环程序为例：

由于该for循环中的所有迭代是相互独立的，很容易将其分解为以CUDA threads实现的并行化计算。

其中：

• kernel程序中的if(i < N)判断，用于确保Kernel执行的Threads数不超过array length。
• kernel程序启动配置为：单个block，每个block有N个Threads。
• 上述CUDA程序中，未展示将device结果拷贝回host的代码。

接下来，再以vector addition为例：

参考资料

[1] Intro to CUDA (part 3): Parallelizing a For-Loop