使用VS2022对GPU进行CUDA编程

在异构计算架构中，GPU与CPU通过PCIe总线连接在一起来协同工作，CPU所在位置称为为主机端(host)，而GPU所在位置称为设备端(device)，两者优势互补。

CUDA作为GPU的编程模型，提供了对其他编程语言的支持，例如常用的C/C++，Python等。

下面在windows系统下，使用VS2022对GPU进行CUDA编程。

开始之前你需要准备的硬件是：一块GPU显卡。并假设你已经提前安装了VS2022，而且具备一定的软件编程经验。

安装CUDA

首先进行CUDA编程模型的安装，根据自己的系统情况到CUDA官网下载安装包。下载完成后进行安装，过程很简单。 

 



安装完成后，“win+R”输入cmd打开终端后输入：nvcc -V，检验安装是否成功。



若需要下载以前的版本，你还可以点击查看你需要下载的CUDA版本：

创建VS2022项目

CUDA安装完成后，打开VS2022创建新项目，选择CUDA runtime。







新建完成后有一个简单的例程，直接进行调试即可看到下面的结果：



在CUDA中，用host指代CPU及其内存，用device指代GPU及其内存。

CUDA程序既包含host程序，又包含device程序，它们分别在CPU和GPU上运行。

同时，host与device之间可以进行数据拷贝。

在CUDA中是通过函数类型限定词开区别host和device上的函数，主要的三个函数类型限定词如下：

__global__：在device上执行，从host中调用（一些特定的GPU也可以从device上调用），返回类型必须是void，不支持可变参数，不能成为类成员函数。

注意用__global__定义的kernel是异步的，这意味着host不会等待kernel执行完就执行下一步。

__device__：在device上执行，仅可以从device中调用，不可以和__global__同时用。

__host__：在host上执行，仅可以从host上调用，一般省略不写，不可以和__global__同时用，但可和__device__，此时函数会在device和host都编译。








该例程虽然简单，也反映了典型的CUDA程序流程：

分配host内存，并进行数据初始化；

分配device内存，并从host将数据拷贝到device上；

在device上调用CUDA的核函数(kernel)完成进行并行计算；

将device上的运算结果拷贝到host上；

释放device和host上分配的内存。

其中，kernel是在device上线程中并行执行的函数，核函数用__global__符号声明，在调用时需要用<<>>来指定kernel要执行的线程数量，在CUDA中，每个线程都要执行核函数，并且每个线程会分配一个唯一的线程号thread ID，这个ID值可以通过核函数的内置变量threadIdx来获得。

审核编辑：刘清