㈠ 如何進行CUDA C程序核函數的調試
由於CUDA調試工具的不完善、CUDA調試工具上手難度較高，並行思想本身就難調試等因素，CUDA調試一直都是一件很蛋疼的事情。寫CUDA也有三四年了，前段時間在群里見別人問CUDA調試的問題，突然有想法寫個CUDA調試的博客。自己經驗尚淺，希望各位大大看過後能夠在評論里指點一二，共同完善這篇博客。
本博客只針對邏輯bug。
1 定位bug
出現bug的第一想法自然是定位bug。cuda比較奇特的地方在於，有時報錯bug在500行，但500行出的代碼沒有錯誤，而是在1000行的地方邏輯錯了，十分頭疼。
下面介紹三種我總結的定位bug方法：
1.1 二分法
一半一半的注釋代碼，定位bug。比較笨拙和麻煩，但是十分好用。
1.2 輸出定位法
將整體代碼分為幾個模塊，正常的CUDA代碼大概可以分為數據初始化，內存申請，內存拷貝，核函數執行，結果拷貝等模塊。在每個模塊結束後輸出標志，示例如圖1。這樣在調試時就可以根據輸出快速定位bug大約在什麼位置。如下圖：
㈡ cuda 求最大值哪種方式最快
cuda代碼中可以用歸約思想的，通常可以用來進行數組中元素求和、求取極值。如果你需要找的是絕對值最大值的話，直接調用cublas庫也可以。
㈢ 什麼是CUDA
CUDA(Compute Unified Device Architecture)，顯卡廠商NVidia推出的運算平台。 CUDA™是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。 它包含了CUDA指令集架構(ISA)以及GPU內部的並行計算引擎。
隨著顯卡的發展，GPU越來越強大，而且GPU為顯示圖像做了優化。在計算上已經超越了通用的CPU。如此強大的晶元如果只是作為顯卡就太浪費了，因此NVidia推出CUDA，讓顯卡可以用於圖像計算以外的目的。
簡單來講，比如通過CUDA架構，視頻播放軟體可以充分挖掘NVIDIA系列顯卡的GPU並行計算能力，輕松進行高清影片的播放，與軟體高清解碼相比，CPU佔用可以下降一半以上。當然，CUDA的應用領域絕不僅僅是視頻、圖形、游戲，包括各種3D和建模，醫療、能源、科學研究等，到處都可見到這種技術架構的應用。
支持CUDA的硬體環境需要有NVidia GF8系列及以上型號的顯卡，並且安裝185版本以上的顯卡驅動程序。以QQ影音播放器來講，要想開啟CUDA硬體解碼加速，可以打開QQ影音的「播放器設置」，進入「高清加速」面板，在「硬體優化」中選擇「自定義優化模式」，然後在「濾鏡配置」中的「視頻解碼器」中自定義選擇相應的「QQ CUDA Video Decoder(CUDADecFilter.ax)」即可。而關閉CUDA加速，只需取消選擇「QQ CUDA Video Decoder(CUDADecFilter.ax)」，或者切換到「智能高清模式」或「穩定兼容模式」通過這種高清解碼定義的開啟，並不是說你的畫質能夠提升多少，而是提升高清視頻播放時的流暢以及降低CPU的佔用。這個時候，節約下來的CPU空間，可以允許你再去做別的工作，這樣就會大大提升你的工作效率，而不至於除了看視頻，其他的什麼都不能做了。
㈣ 編程c語言 CUDA
你那個D-P有重復定義了~報錯那裡不都寫著了么~
㈤ 有沒有一本講解gpu和CUDA編程的經典入門書籍
我建議是看視頻教程，看書，是好的。但是視頻教程這方面會更加有效。
但是還是給你推薦這三本
《Programming Massively Parallel Processors: A Hands-on Approach 》
《CUDA by Example: An Introction to General-Purpose GPU Programming》
《CUDA並行程序設計:GPU編程指南》
㈥ nvcc和parallal nsight 有什麼區別
CUDA（統一計算設備架構）是一種新的基礎架構，該架構可以使用GPU來解決商業，工業以及科學方面的復雜計算問題。它是一個完整的GPGPU解決方案，提供直接訪問硬體的介面，而不必依賴於相同的方式與傳統的圖形API介面來實現GPU的訪問。在該架構採用了全新的計算體系結構來使用GPU提供的硬體資源，使大規模的數據計算應用提供了更強大的比CPU的運算能力。 CUDA C語言作為編程語言提供大量的高性能計算指令開發能力，使開發人員能夠構建一個強大的GPU計算能力的基礎上，在更高效的數據密集型計算解決方案。
關於NVIDIA CUDA技術
NVIDIA CUDA技術是目前世界上唯一的C語言環境下的NVIDIA GPU（圖形處理單元），支持CUDA技術的NVIDIA GPU（圖形處理器）帶來無窮計算的圖形處理性能。隨著NVIDIA CUDA技術，開發人員可以利用NVIDIA GPU（圖形處理器）的優勢，克服了極其復雜的密集型計算難題，如石油和天然氣，金融風險管理，產品設計，媒體形象的開發，科研應用領域。
CUDA？工具包是一個功能的支持CUDA的GPU（圖形處理器）的C語言開發環境。 CUDA開發環境包括：
適用於GPU（圖形處理器）的CUDA FFT和BLAS庫
分析
適用於GPU（圖形處理器）的gdb調試器（2008年3月
NVCC C語言編譯器推出alpha版）
CUDA運行時（CUDA運行時）驅動程序（目前在標準的NVIDIA GPU驅動程序也可）
CUDA編程指南 - CUDA軟體開發者開發工具包（SDK）提供了一些示例（帶源代碼），以幫助用戶開始CUDA編程。這些例子包括：使用定時器
並行前綴和（掃描）
形象的大型陣列
排序並列雙音
矩陣乘法
矩陣的轉置
績效評估使用一維Haar小波DWT
OpenGL和Direct3D圖形互操作的例子
使用示例CUDA BLAS和FFT庫
卷積
CPU-GPU的C和C ++ - 代碼集成
2項期權定價模型
Black-Scholes期權定價模型
蒙特卡洛期權定價模型
平行梅森倍捻機（隨機數發生器）
並行直方圖
去噪
Sobel邊緣檢測濾波器 BR> MathWorks公司的MATLAB？插件（點擊這里下載）：新的範式基礎上的1.1版本的CUDA軟體開發包現在也被釋放。要查看完整列表，下載代碼，請點擊這里。
技術能力，提供標準的C編程語言
的GPU（圖形處理器）進行，在支持CUDA的NVIDIA GPU（圖形處理器）的並行計算，並提供一個統一的硬體和軟體解決方案
CUDA兼容的GPU（圖形處理器）包括很多：低功耗筆記本採用了GPU高性能，多GPU系統。
支持CUDA的GPU（圖形處理器）支持並行數據緩存和線程執行經理
標准FFT（快速傅立葉變換）和BLAS（基本線性代數子程序）庫
數值計算專用CUDA驅動
優化，直接上傳的中央處理器（CPU）到支持CUDA的GPU（圖形處理器），下載通道
CUDA驅動程序可以與OpenGL和DirectX圖形驅動程序實現互操作
支持Linux 32位/ 64位和Windows XP 32位/ 64位操作系統
的研究和開發語言的目的，CUDA提供了直接訪問的驅動器，以及匯編語言級別的訪問。
㈦ c語言 gpu
U越來越強大，GPU為顯示圖像做了優化之外，在計算上已經超越了通用的CPU。如此強大的晶元如果只是作為顯卡就太浪費了，因此NVidia推出CUDA，讓顯卡可以用於圖像計算以外的目的，也就是超於游戲，使得GPU能夠發揮其強大的運算能力。
一年前NVIDIA發布CUDA，這是一種專門針對GPU的C語言開發工具。與以往採用圖形API介面指揮GPU完成各種運算處理功能不同，CUDA的出現使研究人員和工程師可以在熟悉的C語言環境下，自由地輸入代碼調用GPU的並行處理架構。這使得原先需要花費數天數周才能出結果的運算大大縮短到數幾小時，甚至幾分鍾之內。
CUDA是用於GPU計算的開發環境，它是一個全新的軟硬體架構，可以將GPU視為一個並行數據計算的設備，對所進行的計算進行分配和管理。在CUDA的架構中，這些計算不再像過去所謂的GPGPU架構那樣必須將計算映射到圖形API（OpenGL和Direct 3D）中，因此對於開發者來說，CUDA的開發門檻大大降低了。CUDA的GPU編程語言基於標準的C語言，因此任何有C語言基礎的用戶都很容易地開發CUDA的應用程序。
那麼，如何使得CPU與GPU之間很好的進行程序之間的銜接呢？以GPGPU的概念來看，顯卡仍然需要以傳統的DirectX和OpenGL這樣的API來實現，對於編程人員來說，這樣的方法非常繁瑣，而CUDA正是以GPGPU這個概念衍生而來的新的應用程序介面，不過CUDA則提供了一個更加簡便的方案——C語言。我們回顧一下CUDA的發展歷史。
㈧ 您好，我也是最近剛學CUDA，想請教一下入門經驗，可否指教一下GPU高性能運算之CUDA也看不太懂，郁悶中。
cuda是基於標准c語言的，你先把c語言的基礎學好，然後動手自己寫一些c語言的程序，等對c語言有一定的功底之後，再看cuda,cuda與c語言的不同之處我覺得在於那個內核函數，以及如何劃分線程塊和柵格的緯度和大小，以及如何實現對於線程的索引的搜索，讓每一個線程處理對應的一個變數或者幾個變數。然後是cuda的一些基礎的語法，這些你可以看一些簡單的cuda的例子，例如矩陣相加的例子，通過這些程序的例子可以很好的理解這些語法。最好自己動手寫寫才會保證不出錯誤，因為寫cuda比寫c確實要麻煩很多。希望可以對你有所幫助。祝你好運！
㈨ CUDA的程序，自己寫的，求高人指教
__global__ static void sumOfSquares(int *gpudata, int* result) 你把static去掉！另外我不明白你的global函數裡面為什麼沒有定義線程的索引啊。那你那些數據運算是在哪運算的啊。我覺得應該定義int bx=blockIdx.x之類的變數啊，你這程序就是在一個線程中執行，沒有並行。