CUDA编程.配置内核参数+API函数

为了我们获得并行能力，需要做一些配置CIA可以，这个配置在内核启动中写。它们指定了Grid中块的数量，和每一个块中线程的数量。每个快上面有512或者1024个线程。

GPU有多个Core，core被分为流处理器和流多处理器。GPU看作多个块（Block）的组合，每个块可以执行多个线程。

每个块绑定到GPU上的不同流多处理器。每个块在流多处理器上运行，一个块中的线程可以通过共享内存（Shared Memory）彼此通信。程序员无法选定哪个流多处理器将执行特定的块，也无法选定块和线程以何种顺序执行。

并行启动500个线程的快

---

或者两个线程，每个线程250个块。

因此，你必须修改内核启动配置里的值。

程序员必须注意，每个块的线程数量不能超过GPU设备所支持的最大限制。

这也是500个线程

---

__global__：与__device__,__host___一起是三个限定符关键字。这个的函数被声明为一个设备函数，当从主机调用时在设备上面执行，这个函数只能从主机调用

cudaMalloc：是动态分配

cudaMalloc(void ** d_pointer,size_t size);

---

cudaMalloc((void**)&d_c,sizeof(int));

以上code分配一个整数大小的内存块，并返回一个指向该内存位置的指针

cudaMemcpy：这个函数用于将一个内存区域复制到主机或者设备上的其他区域

cudaMemcpy(void *det_ptr,const void *src_ptr,size_t size,enum cudaMemcpyKind kind);

cudaMemcpy(&h_c,d_c,sizeof(int),cudaMemcpyDeviceToHost);

这个函数哟4个参数，一个是目标的指针，第二个参数是原指针，第三个是参数的数据的复制的大小，最后一个是复制的方向

cudaFree:是free函数

cudaFree(void * d_ptr);

cudaFree(d_c);

它释放了d_ptr指向的内存空间。使用Malloc使用Free释放~