1. CUDA的内存模型

每个线程有自己的私有本地内存(local memory) ， 每个线快有包含共享内存， 可以被线程块中所有线程共享，其声明周期与线程块一致。

此外，所有的线程都可以访问全局内存（global memory） 还可以访问一些只读内存块： 常量内存(Constant Memory)和纹理内存（Texture Memory).

2. GPU的核心组件 – SM（Streaming Multiprocessor）

与CPU的多线程类似，一个Kernel实际上会启动很多线程，而多线程如果没有多核支持，在物理层也是无法实现并行的。

而GPU存在很多CUDA核心， 充分利用CUDA核心可以发挥GPU的并行计算能力。‘

SM的核心组件包括CUDA核心，共享内存，寄存器等，SM可以并发地执行数百个 线程，并发能力就取决与SM所拥有的资源数。

3.SIMI–（Single-Intruction, Multiple-Thread）单指令多线程

基本的执行单元是线程束（wraps)，线程束包含32个线程，这些线程同时执行相同的指令，但是每个线程都包含自己的指令地址计数器和寄存器状态，也有自己独立的执行路径。

所以尽管线程束中的线程同时从同一程序地址执行，但是可能具有不同的行为，比如遇到了分支结构，一些线程可能进入这个分支，但是另外一些有可能不执行，它们只能死等，因为GPU规定线程束中所有线程在同一周期执行相同的指令，线程束分化会导致性能下降。

总之，就是网格和线程块只是逻辑划分，一个kernel的所有线程其实在物理层是不一定同时并发的。所以kernel的grid和block的配置不同，性能会出现差异。另外，由于SM的基本执行单元是包含32个线程的线程束，所以block大小一般要设置为32的倍数。

4. 第一个CUDA示例，Cmake的配置等

#include <iostream>
#include <cuda.h>
#include <cuda_runtime.h>
#include <cuda_runtime_api.h>
void printDeviceProp(cudaDeviceProp& devProp, int dev)
{ 

std::cout << "使用GPU device " << dev << ": " << devProp.name << std::endl;
std::cout << "SM的数量：" << devProp.multiProcessorCount << std::endl;
std::cout << "每个线程块的共享内存大小：" << devProp.sharedMemPerBlock / 1024.0 << " KB" << std::endl;
std::cout << "每个线程块的最大线程数：" << devProp.maxThreadsPerBlock << std::endl;
std::cout << "每个EM的最大线程数：" << devProp.maxThreadsPerMultiProcessor << std::endl;
std::cout << "每个EM的最大线程束数：" << devProp.maxThreadsPerMultiProcessor / 32 << std::endl;
}
bool initCUDA(cudaDeviceProp& devProp)
{ 

int count;
cudaGetDeviceCount(&count);
if(count == 0) { 
return false;};
int i;
for(i=0; i<count; i++)
{ 

if(cudaGetDeviceProperties(&devProp, i) == cudaSuccess)
{ 

if(devProp.major >= 1)
{ 

printDeviceProp(devProp, i);
break;
}
}
}
if(i == count) { 
std::cout<<"CUDA can't support the device !"<<std::endl;	return false;};
cudaSetDevice(i);
return false;
}
int main()
{ 

cudaDeviceProp devProp;
if(initCUDA(devProp))
{ 

std::cout<<"CUDA initialized Succed. \n"<<std::endl;
}
//CHECK(cudaGetDeviceProperties(&devProp, dev));
return 0;
}

• CMakeLists.txt 的配置

cmake_minimum_required(VERSION 3.1)
project(CUDA_Toturials)
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} --std=c++11")
#set the default path for built executables to the "bin" directory
set(CMAKE_BUILD_TYPE Debug)
set(EXECUTABLE_OUTPUT_PATH ${ 
PROJECT_SOURCE_DIR}/bin)
SET( LIBRARY_OUTPUT_PATH ${ 
PROJECT_SOURCE_DIR}/lib)
LINK_DIRECTORIES( ${ 
PROJECT_SOURCE_DIR}/lib)
INCLUDE_DIRECTORIES( ${ 
PROJECT_SOURCE_DIR}/include )
# openMp for parallel
# find_package(OpenMP)
# if(OPENMP_FOUND)
# set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} ${OpenMP_C_FLAGS}")
# set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${OpenMP_CXX_FLAGS}")
# endif()
find_package(CUDA 8.0 REQUIRED)
include_directories(${ 
CUDA_INCLUDE_DIRS})
# 设置CUAD编译配置
set(CUDA_NVCC_FLAGS "-g -G")
# build option
set(GENCODE -gencode=arch=compute_35,code=sm_35)
set(GENCODE ${ 
GENCODE} -gencode=arch=compute_30,code=sm_30)
set(GENCODE ${ 
GENCODE} -gencode=arch=compute_20,code=sm_20)
set(GENCODE ${ 
GENCODE} -gencode=arch=compute_10,code=sm_10)
set(GENCODE ${ 
GENCODE} -gencode arch=compute_61,code=sm_61)
# 生成可执行文件
cuda_add_executable(main src/main.cpp)
# add_subdirectory(src)