C++怎么使用CUDA进行GPU编程_C++在NVIDIA显卡上进行通用并行计算

要使用CUDA进行GPU编程，需安装CUDA Toolkit并在支持的NVIDIA显卡上配置开发环境，通过nvcc编译包含主机与设备代码的.cu文件，利用__global__函数在GPU上执行并行核函数，合理管理内存与线程结构以优化性能。

要在C++中使用CUDA进行GPU编程，你需要借助NVIDIA提供的CUDA Toolkit。CUDA（Compute Unified Device Architecture）是一种并行计算平台和编程模型，允许开发者利用NVIDIA GPU的强大算力进行通用计算（GPGPU）。以下是实现的基本步骤和关键概念。

1. 开发环境准备

要开始CUDA开发，需满足以下条件：

• NVIDIA显卡：支持CUDA的GPU（如GTX/RTX系列、Tesla、A系列等）。
• CUDA Toolkit：从NVIDIA官网下载并安装，包含编译器（nvcc）、库和头文件。
• 支持的系统：Windows、Linux或macOS（macOS支持有限，建议使用Linux或Windows）。
• 编译器：在Windows上通常使用Visual Studio配合CUDA插件；Linux上使用GCC。

2. 编写第一个CUDA程序

一个典型的CUDA程序包含主机代码（CPU）和设备代码（GPU）。使用.cu作为源文件扩展名，通过nvcc编译。

立即学习“C++免费学习笔记（深入）”；

示例：向量加法

#include 
#include 
global void add(int a, int b, int c, int n) {
int idx = blockIdx.x  blockDim.x + threadIdx.x;
if (idx < n) {
c[idx] = a[idx] + b[idx];
}
}
int main() {
const int N = 1024;
const int size = N * sizeof(int);
// 主机内存分配
int *h_a = (int*)malloc(size);
int *h_b = (int*)malloc(size);
int *h_c = (int*)malloc(size);

// 初始化数据
for (int i = 0; i < N; i++) {
    h_a[i] = i;
    h_b[i] = i * 2;
}

// 设备内存分配
int *d_a, *d_b, *d_c;
cudaMalloc(&d_a, size);
cudaMalloc(&d_b, size);
cudaMalloc(&d_c, size);

// 主机到设备数据拷贝
cudaMemcpy(d_a, h_a, size, cudaMemcpyHostToDevice);
cudaMemcpy(d_b, h_b, size, cudaMemcpyHostToDevice);

// 配置执行配置
dim3 blockSize(256);
dim3 gridSize((N + blockSize.x - 1) / blockSize.x);

// 启动核函数
add<<>>(d_a, d_b, d_c, N);

// 等待GPU执行完成
cudaDeviceSynchronize();

// 结果拷贝回主机
cudaMemcpy(h_c, d_c, size, cudaMemcpyDeviceToHost);

// 验证结果（前几个）
for (int i = 0; i < 5; i++) {
    std::cout << h_a[i] << " + " << h_b[i] << " = " << h_c[i] << std::endl;
}

// 释放内存
free(h_a); free(h_b); free(h_c);
cudaFree(d_a); cudaFree(d_b); cudaFree(d_c);

return 0;
}

说明：


__global__ 函数在GPU上执行，由CPU调用。

__device__ 函数只能在GPU上调用，不能从主机调用。

blockIdx, blockDim, threadIdx 用于计算线程唯一索引。
使用 >> 语法启动核函数。

3. 内存管理与数据传输
CUDA程序需手动管理主机与设备间的内存：

							

								
								

									DeepL
									
DeepL是一款强大的在线AI翻译工具，可以翻译31种不同语言的文本，并可以处理PDF、Word、PowerPoint等文档文件
								
								下载 
							
						


cudaMalloc：在GPU上分配内存。

cudaMemcpy：在主机与设备之间复制数据（方向由参数指定）。

cudaFree：释放GPU内存。

频繁的数据传输会成为性能瓶颈，应尽量减少主机与设备之间的拷贝次数。
4. 并行执行模型理解
CUDA采用线程层次结构：


线程（Thread）：最基本的执行单元。

线程块（Block）：包含多个线程，可协作（共享内存、同步）。

网格（Grid）：包含多个线程块。

合理设置blockSize（如128、256、512）和gridSize，使GPU资源充分利用。
5. 错误处理与调试
CUDA API调用可能失败，应检查返回值：
#define CUDA_CHECK(call) \
    do { \
        cudaError_t err = call; \
        if (err != cudaSuccess) { \
            std::cerr << "CUDA error at " << __FILE__ << ":" << __LINE__ << " - " \
                      << cudaGetErrorString(err) << std::endl; \
            exit(1); \
        } \
    } while(0)
// 使用示例
CUDA_CHECK(cudaMalloc(&d_a, size));
CUDA_CHECK(cudaMemcpy(d_a, h_a, size, cudaMemcpyHostToDevice));
调试工具包括cuda-memcheck、Nsight Systems 和 Nsight Compute。
6. 性能优化建议

使用共享内存减少全局内存访问。
确保内存访问合并（coalesced access）以提高带宽利用率。
避免线程分支发散（divergence）。
重叠计算与数据传输（使用流Stream）。