CUDA显卡运算编程菜鸟入门指南1——Hello world

 第一次知道有显卡（GPU）编程这个东西，是去年比特币最热门的时候，看了几篇关于比特币的文章，说比特币挖矿要靠显卡，CPU的速度与GPU根本就没法比，于是就非常好奇，显卡是什么神奇的东西？为什么运算速度会比CPU快很多?当时也只是好奇而已，根本没想过这东西会与自己有任何关系。

去年年底的时候，我开始研究机器学习，试着用PHP编了几个遗传算法和神经网络算法的程序，发现很有趣，功能很强大，我一直想做医学方面的人工智能开发，觉得机器学习这个东西很有用，但就是运算速度太慢，估算了一下按程序的运行速度，要初略的解决我的问题至少要算一两个星期，如果要以较高的精确度解决我的问题，可能要算几个月。仔细权衡利弊之后，我决定从头学C语言，毕竟C是高级语言中运算速度最快的（现在后悔，当时要从C++开始学就更好了）。从初学到把我的php程序改写为C，一共花了两个星期左右，可喜的是运算速度提高了大约150倍。

后来发现神经网络用遗传算法来驱动远不如用退火算法驱动效率高，并且神经网络算法可以有很多冗余计算可以去掉，这样一来，我的算法效率前前后后又提高了一万多倍，与最初的PHP程序相比，运算效率已经提高了大约200万倍。 尽管如此，我还是不满意，因为问题稍微复杂些，且要求的精度再高些，我的电脑还是要没日没夜转好几天，我希望程序运算速度能够再有至少一个数量级的提升，在软件上能改进的地方几乎都改进了，只能在硬件上想办法了。

我本以为，按照摩尔定律，CPU的运算速度每一年半要提升一倍，不怕大家笑话，我现在的电脑是2007年买的，已经过去七年了，最新的CPU速度应该提升二十多倍了，于是我上网查了一下，竟然发现最新款的电脑，CPU的主频不过比我的多10%左右，这是怎么回事？再查才知道，原来CPU的摩尔定律到2008年左右就失效了，这么多年来CPU主频都没有大的变化，主要靠不断增加CPU的数量（双核、四核、八核.......）进一步提高电脑性能，但这种多核结构对于我要解决的问题，帮助似乎并不明显。

于是我就想到比特币文章中提到的GPU运算——这个从来没觉得会与自己有关系的东西。

查了一些文章，大致了解到GPU之所以比CPU快得多，并不是GPU的处理器运算速度更快——其实目前最好的显卡，处理器的主频也不到CPU的一半——但是CPU只有一个处理器，而GPU的处理器少则几十个，多则几千个，一只手干活干得再快，也没有成百上千只手一起干活干得快，就是这个道理。

GPU这个特点决定了并不是所有程序都适合用GPU来加速，只有你的问题能够分解为若干能够独立执行的部分（即一部分程序的运算，并不依赖于另一部分运算的运行结果），才适合考虑用GPU来处理，这也是GPU编程的核心观念:并行运算。

既然GPU是成百上千只手一起干活，那么GPU的价格为什么不是CPU的成百上千倍呢？关键就在于GPU的“手”与CPU的“手”相比是带有明显残疾的，只有完成某些特定动作的时候效率高，完成其他动作效率就很低。具体表现在：

（1）所有的“手”（或者叫处理器、线程)完成相同动作时效率高，完成不同动作时效率低——这一条是显卡编程最关键、最核心的部分，这决定了GPU虽然有几千只手，但不可能像工厂工人那样进行流水作业，你装填，我打包，他装箱，这对于GPU是行不通的。大家都一起打包，然后大家一起来装箱，只有这样的方式才适合让GPU来处理。    

（2）如果各个并行的部分（即各个线程），需要共享大量数据，那么不适合用GPU进行处理。要注意，我说的是“不能共享大量数据”，这里并不是说GPU不适合处理大量数据，相反，由于GPU具有较大的显存空间(比较差的显卡也有2G显存)和非常快的数据吞吐速度（专业术语叫带宽），所以非常适合做大数据的处理。GPU编程的一个早期经典案例就是医学图像的处理，据说有个医生发明了一种彩超快速诊断子宫肌瘤的方法，但是如果用CPU处理几个T的彩超检查数据的话，几天都搞不定，后来改用GPU处理，几十分钟就解决了——所以处理大数据是GPU的强项。

但这是指各个线程独立的读取一部分专属于自己的数据，那么处理的速度可以很高。如果大量的线程，要相互交错的同时访问大量数据那么运行效率就很低。打个比方：菜市场每一个摊位相当于一个要被访问的数据，逛菜市场的人相当于不同的线程，那么大家杂乱无章的在市场里乱逛，运行效率就很低。如果大家排好队进场，规定一个人只准面对一个摊位，那么运行效率就会很高。

（3）并行处理的线程数不能太少。如果你的程序只能分解为几百个并行运算的部分，就不适合用GPU来处理——至少要有几千个并行的线程才能勉强体现出GPU的优势，如果你的程序撑死了也就分解为两三千个并行的部分，那么还是建议你不要考虑用GPU加速了——举个例子，我用GPU运行我的神经网络（我的显卡非常差，只有48个处理器），刚把程序运行通的时候，我安排了1024个线程进行测试，与我原来的CPU程序相比，速度只提高了20%左右，让我大失所望。后来发发狠，把并行的线程数安排到8192个——速度竟然提高到了原来的八倍左右——这让我欣喜若狂，这意味着如果我换更好的显卡，比如有两千多个处理器的显卡，那么我的程序速度还有四五十倍的提升空间，这样一来我的算法速度有望比在CPU的速度提高2-3个数量级，想想都让人兴奋。  

 需要说明一下，这个教程叫“菜鸟入门”,这里的“菜鸟”是指显卡编程方面的菜鸟，而不是指编程菜鸟。要学显卡编程，一定要对C/C++比较熟练，对指针的运用比较自如，才可能进行显卡编程——也可以说距离显卡编程就很近了，据说很久很久以前......显卡编程是一件非常麻烦的大工程，后来一种叫CUDA的东西横空出世——显卡厂商NVIDIA推出的显卡运算平台——显卡编程就变得非常简单了，只要在熟练C的前提下，学几个简单的语句就可以搞定。

由于我是在windows上进行显卡编程的，我简单说一下我我在windows上安装CUDA遇到的一些问题（详细安装步骤请自行搜索相关文献，我这里只提一下文献中很少提及的需要注意的问题，以帮助各位少走弯路，至于使用Linux的同学，只能是自己查阅文献慢慢摸索了）。

(一)需要先安装Visual Studio（其他C/C++的SDK似乎都不行），有的文献说可以用VC EXPRESS，但我安了VC EXPRESS，死活用不了,后来装了全套Visual Studio 才搞定。

(二)安装好Visual Studio之后，到NVIDIA官网下载CUDA安装包，安装时务必选择“自定义安装”，务必勾选全部安装项目。

(三)CUDA安装好后，可以搜索一个叫CUDA-Z的小软件，这个软件可以显示你的显卡的状态。下载运行后，如果告诉你显卡没有运行，很可能是你的显卡驱动太旧了——哪怕你是刚下载的最新的安装包，也可能出这个问题——你需要升级显卡驱动。另外我有个朋友遇到这样的问题：显卡没有运行，后来发现他是远程登陆，他到本地使用的时候，显卡就正常了——我分析是远程登陆后，显卡就休眠了。

上面步骤完成后，就可以打开VS，新建一个CUDA工程，然后就可以开始第一个CUDA程序了:

 

1. #include <cuda_runtime.h>
2.  
3. void main()
4.  
5. {printf("Hello world");
6.  
7. }

 

 http://blog.csdn.net/yfszzx/article/details/41654415

慢着，这个程序和C有什么区别?用到显卡了吗?

答：没有区别，没用显卡。如果你非要用显卡干点什么事情的话，可以改成这个样子：

1. #include <cuda_runtime.h>
2. __global__ void test()
3.  
4. {int i=0;}
5.  
6. void main()
7.  
8. {test<<<1,1>>>();
9.  
10. printf("Hello world");
11.  
12. }

这样，我们就用显卡的一个线程，执行了一个int i=0语句。