add capter1-2

.gitignore

@@ -0,0 +1,23 @@
+# 忽略.class的所有文件
+# *.class
+
+# 忽略名称中末尾为ignore的文件夹
+*ignore/
+
+# 忽略名称中间包含ignore的文件夹
+*ignore*/
+
+# 忽略指定文件
+# HelloWrold.class
+AStyle.exe
+*.orig
+
+# 忽略指定文件夹
+build/
+*/bin/
+*/result.txt
+*/__pycache__/
+.vs/
+.vscode/
+*/x64/
+*/Debug/

ReadMe.md

@@ -0,0 +1,19 @@
+# CUDA Study Steps
+
+CUDA gpu 编程学习，基于 《CUDA 编程——基础与实践》（樊哲勇）。
+
+包含章节：
+
+1. [GPU 硬件与 CUDA 程序开发工具](./capter1/ReadMe.md)
+2. [CUDA 中的线程组织](./capter2/ReadMe.md)
+3. [简单 CUDA 程序的基本框架](./capter3/ReadMe.md)
+4. [CUDA 程序的错误检测](./capter4/ReadMe.md)
+5. [GPU 加速的关键](./capter5/ReadMe.md)
+
+CUDA 官方文档：  
+[CUDA c++编程指南](https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html)  
+[CUDA c++最佳实践指南](https://docs.nvidia.com/cuda/cuda-c-best-practices-guide/index.html)
+[CUDA 运行时API手册](https://docs.nvidia.com/cuda/cuda-runtime-api/index.html)
+[CUDA 数学函数库API手册](https://docs.nvidia.com/cuda/cuda-math-api/index.html)
+
+

capter1/ReadMe.md

@@ -0,0 +1,73 @@
+# GPU 硬件与 CUDA 程序开发工具
+
+------
+
+## GPU 硬件
+
+在由 CPU 和 GPU 构成的异构计算平台中，通常将起控制作用的 CPU 称为 **主机（host）**，  
+将起加速作用的 GPU 称为 **设备（device）**。 
+
+主机和设备都有自己的 DRAM，之间一般由 PCIe 总线连接。
+
+GPU 计算能力不等价于计算性能；表征计算性能的一个重要参数是 **浮点数运算峰值（FLOPS）**。  
+浮点数运算峰值有单精度和双精度之分。对于 Tesla 系列的 GPU，双精度下 FLOPS 一般是单精度下的 1/2;对于 GeForce 系列的 GPU，双精度下 FLOPS 一般是单精度下的 1/32。
+
+影响计算性能的另一个参数是 **GPU 内存带宽（显存）**。
+
+------
+
+## CUDA 程序开发工具
+
+1. CUDA；
+2. OpenCL，更为通用的各种异构平台编写并行程序的框架，AMD 的 GPU 程序开发工具；
+3. OpenACC，由多公司共同开发的异构并行编程标准。
+
+CUDA 提供两层 API，即 CUDA 驱动API 和 CUDA 运行时API。  
+CUDA 开发环境中，程序应用程序是以主机（CPU）为出发点的；应用程序可以调用 CUDA 运行时 API、CUDA 驱动 API 和一些已有的 CUDA 库。
+
+------
+
+## CUDA 开发环境搭建
+
+linux 操作系统：[linux下cuda环境搭建](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html)
+
+windows10 操作系统：[windows10下cuda环境搭建](https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html)
+
+------
+
+## nvidia-smi 检查与设置设备
+
+    >> nvidia-smi
+    +-----------------------------------------------------------------------------+
+    | NVIDIA-SMI 462.30       Driver Version: 462.30       CUDA Version: 11.2     |
+    |-------------------------------+----------------------+----------------------+
+    | GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
+    | Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
+    |                               |                      |               MIG M. |
+    |===============================+======================+======================|
+    |   0  GeForce MX450      WDDM  | 00000000:2B:00.0 Off |                  N/A |
+    | N/A   39C    P8    N/A /  N/A |    119MiB /  2048MiB |      0%      Default |
+    |                               |                      |                  N/A |
+    +-------------------------------+----------------------+----------------------+
+    
+    +-----------------------------------------------------------------------------+
+    | Processes:                                                                  |
+    |  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
+    |        ID   ID                                                   Usage      |
+    |=============================================================================|
+    |  No running processes found                                                 |
+    +-----------------------------------------------------------------------------+
+
+1. **CUDA Version**， 11.2；
+2. **GPU Name**，GeForce MX450，设备号为 0；如果系统中有多个 GPU 且只要使用其中某个特定的 GPU，  
+可以通过设置环境变量 **CUDA_VISIBLE_DEVICES** 的值，从而可以在运行 CUDA 程序前选定 GPU;
+3. **TCC/WDDM**，WDDM（windows display driver model），其它包括 TCC（Tesla compute cluster）；
+可以通过命令行 `nvidia-smi -g GPU_ID -dm 0`，设置为 WDDM 模式（1 为 TCC 模式）；
+4. **Compute mode**, Default，此时同一个 GPU 中允许存在多个进程；其他模式包括 E.Process，
+指的是独占进程模式，但不适用 WDDM 模式下的 GPU；
+可以通过命令行 `nvidia-smi -i GPU_ID -c 0`，设置为 Default 模式（1 为 E.Process 模式）;
+5. **Perf**，p8（GPU 性能状态，最大p0~最小p12）；
+
+更多关于 nvidia-smi 的资料：[nvidia-smi](https://developer.nvidia.com/nvidia-system-management-interface)
+
+------

capter2/ReadMe.md

@@ -0,0 +1,169 @@
+# CUDA 中的线程组织
+
+CUDA 虽然支持 C++ 但支持得并不充分，导致 C++ 代码中有很多 C 代码的风格。
+
+CUDA 采用 nvcc 作为编译器，支持 C++ 代码；nvcc 在编译 CUDA 程序时，   
+会将纯粹的 c++ 代码交给 c++ 编译器，自己负责编译剩下的 cu 代码。
+
+------
+
+## C++ 的 Hello World 程序
+
+    >> g++ hello.cpp -o ./bin/hello.exe
+    >> ./bin/hello
+    msvc: hello world!
+
+------
+
+## CUDA 的 Hello World 程序
+
+### 使用 nvcc 编译纯粹 c++ 代码
+
+    >> nvcc -o ./bin/hello_cu.exe hello.cu 
+    >> ./bin/hello_cu.exe
+    nvcc: hello world!
+
+在该程序中其实并未使用 GPU。
+
+### 使用 核函数 的 CUDA 程序
+
+一个利用了 GPU 的 CUDA 程序既有主机代码，又有设备代码（在设备中执行的代码）。
+主机对设备的调用是通过 **核函数（kernel function）** 实现的。
+
+    int main()
+    {
+        主机代码
+        核函数的调用
+        主机代码
+
+        return 0；
+    }
+
+核函数与 c++ 函数的区别：
+1. 必须加 `__global__` 限定；
+2. 返回类型必须是空类型 `void`。
+
+    __global__ void hell_from__gpu()
+    {
+        // 核函数不支持 c++ 的 iostream。
+        printf("gpu: hello world!\n");
+    }
+
+调用核函数的方式：
+
+    hello_from_gpu<<<1, 1>>>
+
+主机在调用一个核函数时，必须指明在设备中指派多少线程。核函数中的线程常组织为若干线程块： 
+1. 三括号中第一个数字是线程块的个数（number of thread block）；
+2. 三括号中第二个数字是每个线程块中的线程数（number of thread in per block）。
+
+一个核函数的全部线程块构成一个网格（grid），线程块的个数称为网格大小（grid size）。  
+每个线程块中含有相同数目的线程，该数目称为线程块大小（block size）。
+
+所以，核函数的总的线程数即 网格大小*线程块大小:
+
+    hello_from_gpu<<<grid size, block size>>>
+
+调用核函数后，调用 CUDA 运行时 API 函数，同步主机和设备：
+
+    cudaDeviceSynchronize();
+
+核函数中调用输出函数，输出流是先存放在缓冲区的，而缓冲区不会自动刷新。
+
+------
+
+## CUDA 的线程组织
+
+核函数的总线程数必须至少等于计算核心数时才有可能充分利用 GPU 的全部计算资源。  
+
+    hello_from_gpu<<<2, 4>>>
+
+网格大小是2，线程块大小是4，总线程数即8。核函数中代码的执行方式是 “单指令-多线程”，  
+即每个线程执行同一串代码。
+
+从开普勒架构开始，最大允许的线程块大小是 2^10 (1024)，最大允许的网格大小是 2^31 - 1（一维网格）。
+
+线程总数可以由两个参数确定：
+1. gridDim.x, 即网格大小；
+2. blockDim.x, 即线程块大小；
+
+每个线程的身份可以由两个参数确定：
+1. blockIdx.x, 即一个线程在一个网格中的线程块索引，[0, gridDm.x);
+2. threadIdx.x, 即一个线程在一个线程块中的线程索引，[0, blockDim.x);
+
+网格和线程块都可以拓展为三维结构（各轴默认为 1）：
+
+1. 三维网格 grid_size(gridDim.x, gridDim.y, gridDim.z);
+2. 三维线程块 block_size(blockDim.x, blockDim.y, blockDim.z);
+
+相应的，每个线程的身份参数：
+
+1. 线程块ID (blockIdx.x, blockIdx.y, blockIdx.z);
+2. 线程ID (threadIdx.x, threadIdx.y, threadIdx.z);
+
+多维网格线程在线程块上的 ID；
+    
+    tid = threadIdx.z * (blockDim.x * blockDim.y)  // 当前线程块上前面的所有线程数
+        + threadIdx.y * (blockDim.x)               // 当前线程块上当前面上前面行的所有线程数
+        + threadIdx.x                              // 当前线程块上当前面上当前行的线程数
+
+多维网格线程块在网格上的 ID:
+
+    bid = blockIdx.z * (gridDim.x * gridDim.y)
+        + blockIdx.y * (gridDim.x)
+        + blockIdx.x
+
+一个线程块中的线程还可以细分为不同的 **线程束（thread warp）**，即同一个线程块中  
+相邻的 warp_size 个线程（一般为 32）。
+
+对于从开普勒架构到图灵架构的 GPU，网格大小在 x, y, z 方向的最大允许值为 （2^31 - 1, 2^16 - 1, 2^16 -1）；
+线程块大小在 x, y, z 方向的最大允许值为 （1024， 1024， 64），同时要求一个线程块最多有 1024 个线程。
+
+------
+
+## CUDA 的头文件
+
+CUDA 头文件的后缀依然是 “.h”；同时，采用 nvcc 编译器会自动包含必要的 cuda 头文件，  
+如 <cuda.h>, <cuda_runtime.h>，同时前者也包含了c++头文件 <stdlib.h>。
+
+------
+
+## 使用 nvcc 编译 CUDA 程序
+
+nvcc 会先将全部源代码分离为 主机代码 和 设备代码；主机代码完整的支持 c++ 语法，而设备代码只部分支持。
+
+nvcc 会先将设备代码编译为 PTX（parrallel thread execution）伪汇编代码，再将其编译为二进制 cubin目标代码。
+在编译为 PTX 代码时，需要选项 `-arch=compute_XY` 指定一个虚拟架构的计算能力；在编译为 cubin 代码时，  
+需要选项 `-code=sm_ZW` 指定一个真实架构的计算能力，以确定可执行文件能够使用的 GPU。
+
+真实架构的计算能力必须大于等于虚拟架构的计算能力，例如： 
+
+    -arch=compute_35  -code=sm_60  (right)
+    -arch=compute_60  -code=sm_35  (wrong)
+
+如果希望编译出来的文件能在更多的GPU上运行，则可以同时指定多组计算能力，例如：
+    
+    -gencode arch=compute_35, code=sm_35
+    -gencode arch=compute_50, code=sm_50
+    -gencode arch=compute_60, code=sm_60
+
+此时，编译出来的可执行文件将包含3个二进制版本，称为 **胖二进制文件（fatbinary）**。
+
+同时，nvcc 有一种称为 **实时编译（just-in-time compilation）**机制，可以在运行可执行文件时从其中保留的PTX  
+代码中临时编译出一个 cubin 目标代码。因此， 需要通过选项 `-gencode arch=compute_XY, code=compute_XY`，  
+指定所保留 PTX 代码的虚拟架构， 例如：
+
+    -gencode arch=compute_35, code=sm_35
+    -gencode arch=compute_50, code=sm_50
+    -gencode arch=compute_60, code=sm_60  
+    -gencode arch=compute_70, code=compute_70
+
+于此同时，nvcc 编译有一个简化的编译选项 `-arch=sim_XY`，其等价于： 
+
+    -gencode arch=compute_XY, code=sm_XY  
+    -gencode arch=compute_XY, code=compute_XY
+
+关于 nvcc 编译器的更多资料： [nvcc](https://docs.nvidia.com/cuda/cuda-compiler-driver-nvcc/index.html)。
+
+------
+

capter2/hello.cpp

@@ -0,0 +1,9 @@
+#include <iostream>
+using namespace std;
+
+int main()
+{
+    cout << "msvc: hello world!" << endl;
+
+    return 0;
+}

capter2/hello.cu

@@ -0,0 +1,33 @@
+#include <cstdio>
+using namespace std;
+
+
+__global__ void hell_from__gpu()
+{
+    // 核函数不支持 c++ 的 iostream。
+    
+    // 输出流的缓存顺序。
+    // printf("gpu: hello world! ");
+
+    const int bx = blockIdx.x;
+    const int by = blockIdx.y;
+    const int bz = blockIdx.z;
+
+    const int tx = threadIdx.x;
+    const int ty = threadIdx.y;
+    const int tz = threadIdx.z;
+
+    printf("gpu: hello world! block(%d, %d, %d) -- thread(%d, %d, %d)\n", bx, by, bz, tx, ty, tz);
+}
+
+
+int main()
+{
+    printf("nvcc: hello world!\n");
+
+    const dim3 block_size(2, 4);
+    hell_from__gpu<<<1, block_size>>>();
+    cudaDeviceSynchronize(); // 同步主机和设备，否则无法输出字符串。
+
+    return 0;
+}