由於項目需要用到GPU，所以最近開始學習CUDA編程模型，剛開始接觸，先搞清楚線程關係和內存模型是非常重要的，但是發現書上和許多博客關於線程這些關係沒講明白，所以就着自己的理解，做點筆記，歡迎討論。
這篇文章針對於已經瞭解過了CUDA線程的相關知識，最好已經動手寫過CUDA C的代碼，而對並行線程感到迷惑，不知道怎麼計算線程索引的讀者，如果沒接觸過，那麼先看看書，敲兩段代碼跑跑，如果你理解了那麼恭喜你，如果還有疑惑，那麼再來看看這篇文章，或許有幫助。
首先，認識一下線程。(⊙o⊙)…雖然畫成這樣總是感覺有點怪怪的，但是你應該已經見怪不怪了吧~
下面我們來看一段代碼，其功能是對兩個數組求和，並保存到另一個數組，很簡單吧~
#include <cuda_runtime.h>
#include <device_launch_parameters.h>
#include <iostream>
using namespace std;
// 二：線程執行代碼
__global__ void vector_add(float* vec1, float* vec2, float* vecres, int length) {
int tid = threadIdx.x;
if (tid < length) {
vecres[tid] = vec1[tid] + vec2[tid];
}
}
int main() {
const int length = 16; // 數組長度爲16
float a[length], b[length], c[length]; // host中的數組
for (int i = 0; i < length; i++) { // 初始賦值
a[i] = b[i] = i;
}
float* a_device, *b_device, *c_device; // device中的數組
cudaMalloc((void**)&a_device, length * sizeof(float)); // 分配內存
cudaMalloc((void**)&b_device, length * sizeof(float));
cudaMalloc((void**)&c_device, length * sizeof(float));
cudaMemcpy(a_device, a, length * sizeof(float), cudaMemcpyHostToDevice); // 將host數組的值拷貝給device數組
cudaMemcpy(b_device, b, length * sizeof(float), cudaMemcpyHostToDevice);
// 一：參數配置
dim3 grid(1, 1, 1), block(length, 1, 1); // 設置參數
vector_add<<<grid,block>>>(a_device, b_device, c_device, length); // 啓動kernel
cudaMemcpy(c, c_device, length * sizeof(float), cudaMemcpyDeviceToHost); // 將結果拷貝到host
for (int i = 0; i < length; i++) { // 打印出來方便觀察
cout << c[i] << " ";
}
cout << endl;
system("pause");
return 0;
}
首先，我們要明白，上面的代碼計算的是兩個一維向量的和。由於數組大小是16，所以我們使用了16個線程來計算。
dim3 grid(1, 1, 1), block(length, 1, 1); // 設置參數
dim3 grid1(2, 1, 1); // x=2, y=1, z=1
dim3 grid2(4, 2, 1); // x=4, y=2, z=1
dim3 grid3(2, 3, 4); // x=2, y=3, z=4同理，對於線程塊（block），我們知道之前的代碼中，block中存在16個線程，且該線程塊維度是一維的，因爲block(x,y,z)中x=length=16,y=1,z=1。
我畫個圖來幫助理解，大概就是這樣子的：
dim3 grid(1, 1, 1), block(length, 1, 1); // 設置參數
OK，我想這下應該就清楚了，就是一個一維的block（此處只有x維度上存在16個線程）。所以，內建變量只有一個在起作用，就是threadIdx.x，它的範圍是[0,15]。因此，我們在計算線程索引是，只用這個內建變量就行了（其他的爲0，寫了也不起作用）：
// 二：線程執行代碼
__global__ void vector_add(float* vec1, float* vec2, float* vecres, int length) {
int tid = threadIdx.x; // 只使用了threadIdx.x
if (tid < length) {
vecres[tid] = vec1[tid] + vec2[tid];
}
}OK，看到這裏，你可能還是不大明白什麼一維二維的，我們再來看一個：
dim3 grid(1, 1, 1), block(8, 2, 1); // 設置參數
// 二：線程執行代碼
__global__ void vector_add(float* vec1, float* vec2, float* vecres, int length) {
int tid = threadIdx.y * blockDim.x + threadIdx.x; // 使用了threadIdx.x, threadIdx.x, blockDim.x
if (tid < length) {
vecres[tid] = vec1[tid] + vec2[tid];
}
}其實，我感覺有些我不能用文字準確、清晰的描述出來，所以咯，我們再來一個例子吧，我相信，多看一看，多想一想就明白了。
dim3 grid(1, 1, 1), block(4, 4, 1); // 設置參數
// 二：線程執行代碼
__global__ void vector_add(float* vec1, float* vec2, float* vecres, int length) {
int tid = threadIdx.y * blockDim.x + threadIdx.x; // 使用了threadIdx.x, threadIdx.x, blockDim.x
if (tid < length) {
vecres[tid] = vec1[tid] + vec2[tid];
}
}以上內容我們分別介紹了用一維和二維線程來計算一維數組的求和，實際上數組的維度與線程格、線程塊和線程的維度並不是那麼密不可分的，都可以組合實現，只不過在實現時，良好的參數配置對索引的計算很方便，而且由於grid、block、thread維度的限制，還有warpSize的限制，所以對於較大的數據量來說，我們應該做到心中有數，進行有效的塊分解。
現在來看看二維的block，在整個文章中，我只講解一維、二維的，因爲三維的我不知道怎麼畫圖啦，而且不好描述，免得誤導大家。
還是上面的一維數組，長度爲16。
dim3 grid(16, 1, 1), block(1, 1, 1); // 設置參數
// 二：線程執行代碼
__global__ void vector_add(float* vec1, float* vec2, float* vecres, int length) {
int tid = blockIdx.x;
if (tid < length) {
vecres[tid] = vec1[tid] + vec2[tid];
}
}dim3 grid(4, 1, 1), block(4, 1, 1);
// 二：線程執行代碼
__global__ void vector_add(float* vec1, float* vec2, float* vecres, int length) {
int tid = blockIdx.x * gridDim.x + threadIdx.x;
if (tid < length) {
vecres[tid] = vec1[tid] + vec2[tid];
}
}我依然相信，能用圖解決，就不嗶嗶。就好像你給一個人描述一座宮殿是多麼多麼的宏偉，富麗堂皇，他並不不會感冒。你就說，嘿大傻，給你瞧瞧我去歐洲玩的教堂，這是照片，不用多說，大傻自己就知道了。
比如，我描述說：
dim3 grid(2, 2, 1), block(2, 2, 1);
那麼執行代碼及索引計算如下：
// 二：線程執行代碼
__global__ void vector_add(float* vec1, float* vec2, float* vecres, int length) {
// 在第幾個塊中 * 塊的大小 + 塊中的x, y維度（幾行幾列）
int tid = (blockIdx.y * gridDim.x + blockIdx.x) * (blockDim.x * blockDim.y) + threadIdx.y * blockDim.y + threadIdx.x;
if (tid < length) {
vecres[tid] = vec1[tid] + vec2[tid];
}
}到此，我想講的就完了。當然對於二維的數組或是三維的數組，我想多看幾個例子也就會有體會了。
這裏還是忍不住要吐槽
一下內建變量threadIdx和blockIdx的命名了，每次看到這些內建變量其最後一個字母是x，就會給我一種誤會是x維度上的
，我覺得使用threadId和blockId是多麼的良好
。當然，勝利的總是API一方，我也只能吐吐槽
。
—————————————————————————————————————————————————————————————————————————————
最後再來一發，我給個圖，我們來倒推其參數及相關執行代碼，如下：
由於上傳圖片大小限制，由BMP轉成JPG格式的了，有點不清晰，但足夠看了。
顯然參數爲：
dim3 grid(8, 4, 1), block(8, 2, 1);萬變不離其宗，其一維的計算方式如下：
__global__ void vector_add(float* vec1, float* vec2, float* vecres, int length) {
// 在第幾個塊中 * 塊的大小 + 塊中的x, y維度（幾行幾列）
int tid = (blockIdx.y * gridDim.x + blockIdx.x) * (blockDim.x * blockDim.y) + threadIdx.y * blockDim.y + threadIdx.x;
if (tid < length) {
vecres[tid] = vec1[tid] + vec2[tid];
}
}__global__ void vector_add(float** mat1, float** mat2, float** matres, int width) {
int x = blockIdx.x * blockDim.x + threadIdx.x;
int y = blockIdx.y * blockDim.y + threadIdx.y;
if (x < width && y < width) {
matres[x][y] = mat1[x][y] + mat2[x][y];
}
}
