CUDA(Compute Unified Device Architecture)是由NVIDIA推出的一个并行计算平台和编程模型,它允许开发者使用NVIDIA的GPU来进行通用计算。CUDA编程实例在Linux环境下进行,通常涉及以下几个基础概念:
以下是一个简单的CUDA程序示例,它在Linux环境下运行,用于计算两个数组的和。
首先,确保你的Linux系统上安装了CUDA工具包。你可以从NVIDIA官网下载并按照说明进行安装。
创建一个名为vectorAdd.cu
的文件,并编写以下代码:
#include <iostream>
#include <cuda_runtime.h>
__global__ void vectorAdd(int *a, int *b, int *c, int n) {
int i = blockIdx.x * blockDim.x + threadIdx.x;
if (i < n) {
c[i] = a[i] + b[i];
}
}
int main() {
int n = 10;
int size = n * sizeof(int);
int *h_a = (int*)malloc(size);
int *h_b = (int*)malloc(size);
int *h_c = (int*)malloc(size);
for (int i = 0; i < n; ++i) {
h_a[i] = i;
h_b[i] = i * 2;
}
int *d_a, *d_b, *d_c;
cudaMalloc((void**)&d_a, size);
cudaMalloc((void**)&d_b, size);
cudaMalloc((void**)&d_c, size);
cudaMemcpy(d_a, h_a, size, cudaMemcpyHostToDevice);
cudaMemcpy(d_b, h_b, size, cudaMemcpyHostToDevice);
int threadsPerBlock = 256;
int blocksPerGrid = (n + threadsPerBlock - 1) / threadsPerBlock;
vectorAdd<<<blocksPerGrid, threadsPerBlock>>>(d_a, d_b, d_c, n);
cudaMemcpy(h_c, d_c, size, cudaMemcpyDeviceToHost);
for (int i = 0; i < n; ++i) {
std::cout << h_a[i] << " + " << h_b[i] << " = " << h_c[i] << std::endl;
}
cudaFree(d_a);
cudaFree(d_b);
cudaFree(d_c);
free(h_a);
free(h_b);
free(h_c);
return 0;
}
使用以下命令编译CUDA程序:
nvcc vectorAdd.cu -o vectorAdd
然后运行生成的可执行文件:
./vectorAdd
cudaMalloc
和cudaMemcpy
的调用是否正确,以及是否有足够的内存可用。cuda-memcheck
工具检查内存访问错误,或者调整线程块和网格的大小。通过以上步骤,你可以在Linux环境下编写并运行一个简单的CUDA程序。
领取专属 10元无门槛券
手把手带您无忧上云