CUDA计算实列：浅析n(n等于1或大于1)维数组计算方法与grid、block、thread之间关系(上篇)

　　本文主要针对与我一样的小白想使用CUDA加速方法，而经过Visual Studio编译器对cuda代码反复试验与调整得到以下成果。

目前本文主要使用一维数组对CUDA的grid与block的组合尝试，已实现CUDA一维数组的计算，将其记录如下。

而我也将会在下篇继续使用多维数组使用CUDA计算。

本文可以帮助大家尽快上手CUDA实现简单代码编写，了解如何利用CUDA 线程实现每个元素处理(若为图片则是像素处理)。

本文结构：1.基本原理；2.一维数组代码；3.实现结果展示。

1.基本原理

原理引用博客为https://blog.csdn.net/tiao_god/article/details/107181883

CUDA会把线程分为Block和Grid：

 

这里方便介绍我们用的都是二维的结构，其实Block和Grid也可以设置成三维的。

blockDim.x：Block的x方向的维度，这里是5，即每行5个线程。

blockDim.y：Block的y方向的维度，这里是3，即每列3个线程。

blockIdx.x:Block在x方向的位置，图中放大的Block是2，即为第2个。

blockIdx.y:Block在y向的位置，图中放大的Block是2，即为第2个。

注意blockIdx中的Idx是表示index的缩写，而不是表示x方向的ID。

在CUDA里计算线程索引一般都是：

const int X = blockIdx.x * blockDim.x + threadIdx.x;
const int Y = blockIdx.y * blockDim.y + threadIdx.y;
对应图中放大的区域的Thread(3,1)：

计算式：X = 2*5+3 Y = 2*3+1

2.一维数组代码

// 一个维度的计算方法
__global__ void one_vector_add(float* a_device, float* b_device, float* c_device) {
    
    int tid = threadIdx.y+blockDim.x*threadIdx.x;
    
    c_device[tid] = a_device[tid] + b_device[tid];

}


// 一维数组相加

void OneDim_add() {

    const int length = 4;                                      // 数组长度为16
    float a[length], b[length], c[length];                      // host中的数组

    // 变量初始化赋值
    for (int i = 0; i < length; i++) {
        a[i] = i + 1;
        b[i] = a[i] * 10;

    }

    // 变量初始化打印
    cout << "a=" << '	';
    for (int i = 0; i < length; i++) { cout << a[i] << '	'; }
    cout << '
' << "b=" << '	';
    for (int i = 0; i < length; i++) { cout << b[i] << '	'; }


    //构造cuda指针变量并分配内存
    float *a_device, *b_device, *c_device;                      // device中的数组
    cudaSetDevice(0);  // 设置cuda设备
    cudaMalloc((void**)&a_device, length * sizeof(float));
    cudaMalloc((void**)&b_device, length * sizeof(float));
    cudaMalloc((void**)&c_device, length * sizeof(float));
    // 将host数组的值拷贝给device数组
    cudaMemcpy(a_device, a, length * sizeof(float), cudaMemcpyHostToDevice);    
    cudaMemcpy(b_device, b, length * sizeof(float), cudaMemcpyHostToDevice);
    cout << '
' << "length：" << length << "	分配大小：" << length * sizeof(float) << endl; 
    // 配置grid,block参数
    dim3 grid(1, 1, 1), block(1,length , 1);                    // 设置grid block 参数
    // 重点：调用kernel函数
    
    one_vector_add <<<grid, block >>> (a_device, b_device, c_device);           // 启动kernel
    
    // 将gpu上得到结果值返回host变量                                                                                  
    cudaMemcpy(c, c_device, length * sizeof(float), cudaMemcpyDeviceToHost);    // 将结果拷贝到host
    cout << '
' << "c=" << '	';
    for (int i = 0; i < length; i++) { cout << c[i] << '	'; }  //打印cuda计算的值




}





//block-thread 1D-3D
__global__ void TwoBlock1Thread2Way1(float *c, const float *a, const float *b)
{
    int i = threadIdx.x+threadIdx.y*blockDim.x + threadIdx.z*blockDim.x*blockDim.y; //3d 也适用2D
    c[i] = b[i] + a[i];
}



//block-thread 2D-3D
__global__ void TwoBlock2Thread3Way1(float *c, const float *a, const float *b)
{
    int thread2d = threadIdx.x + threadIdx.y*blockDim.x;
    int block2d = blockIdx.x+blockIdx.y*gridDim.x; // block是2D形式，但同样适用block为1D形式(blockIdx.x)
    int i = thread2d + (blockDim.x*blockDim.y)*block2d;
    
    c[i] = b[i] + a[i];
}





void TwoDimway1_add() {
    //将二维矩阵化为一维数组,使用一维数组进行block分配
    const int row = 4;
    const int col = 6;
    const int length = row*col;                                      // 数组长度为16
    float a[length], b[length], c[length];                      // host中的数组

    // 变量初始化赋值
    for (int i = 0; i < length; i++) {
        a[i] = i + 1;
        b[i] = a[i] * 100;
    }

    // 变量初始化打印
    cout << "变量a=" <<endl;
    for (int i = 0; i < row; i++) { 
        for (int i = 0; i < col; i++) {
        cout<< '	' << a[i] ; 
        }
        cout << endl;
    }
    
    cout << "变量b=" << endl;
    for (int i = 0; i < row; i++) {
        for (int i = 0; i < col; i++) {
            cout << '	' << b[i];
        }
        cout << endl;
    }


    //构造cuda指针变量并分配内存
    float *a_device, *b_device, *c_device;                      // device中的数组
    cudaSetDevice(0);  // 设置cuda设备
    cudaMalloc((void**)&a_device, length * sizeof(float));
    cudaMalloc((void**)&b_device, length * sizeof(float));
    cudaMalloc((void**)&c_device, length * sizeof(float));
    // 将host数组的值拷贝给device数组
    cudaMemcpy(a_device, a, length * sizeof(float), cudaMemcpyHostToDevice);
    cudaMemcpy(b_device, b, length * sizeof(float), cudaMemcpyHostToDevice);
    
    // 配置grid,block参数
    //dim3 grid(1, 1, 1), block(row, col/2, col / 2);                    // 设置block为3D参数
    //TwoBlock1Thread2Way1 <<<grid, block >>> (c_device,a_device, b_device );  // 重点：调用kernel函数
    //dim3 grid(1, 1, 1), block(row, col , 1);                    // 设置block为2D参数                                           
    //TwoBlock1Thread2Way1 << <grid, block >> > (c_device, a_device, b_device);// 重点：调用kernel函数
    
    dim3 grid(2, 1, 1), block(row/2, col, 1);                    // 设置block为2D参数                                           
    TwoBlock2Thread3Way1 << <grid, block >> > (c_device, a_device, b_device);// 重点：调用kernel函数

    // 将gpu上得到结果值返回host变量                                                                                  
    cudaMemcpy(c, c_device, length * sizeof(float), cudaMemcpyDeviceToHost);    // 将结果拷贝到host
    
    
    cout << "计算结果 c=" << endl;
    for (int i = 0; i < row; i++) {
        for (int i = 0; i < col; i++) {
            cout << '	' << c[i];
        }
        cout << endl;
    }
    


}




int main() {
    
    cout << "
一维数组cuda计算结果：
" << endl;
    OneDim_add();
    //TwoDim_add();
    
    cout << "

二维数组一维方式cuda计算结果：

" << endl;
    TwoDimway1_add();



    return 0;
}

3.实现结果展示

采用加法运算，将其变量a与变量b位置元素一一对应相加结果：