CUDA编程模型

      2007年NVIDIA公司推出了CUDA[75]，它的全称是Compute Unified Device Architecture(统一计算设备架构)，是一种可以利用GPU作为并行计算设备的软硬件体系。CUDA使用类C语言进行编程，研究人员在开发程序时不必再借助复杂的图形学接口。几乎每台个人电脑都会安装GPU，因此CUDA的出现为在普通的个人电脑上实现大规模的计算提供了可能性。凭借CUDA这种通用的并行计算架构平台，研究人员能够借助GPU以百计的核运行以千计的线程解决极其复杂的并行计算难题。CUDA的版本也经历了不断地升级，目前最新的版本为CUDA 8。

       CUDA是用于实现GPU并行计算的开发环境，但CUDA程序并不是仅仅运行在GPU上的，它也是需要CPU协作的。就像前文介绍过的一样，CPU与GPU硬件架构上的区别决定了它们在计算中扮演不同的角色。因此，“GPU比CPU更善于计算”这样的说法并不准确，要体现出GPU强大的计算能力一定有这样的前提：极大的计算量与规则的数据结构。在CUDA的编程模型中，CPU与GPU协同工作，各司其职。CPU负责进行一般的串行计算与逻辑性强的事务处理，GPU主要负责高度线程化的并行处理任务。由于CPU与GPU在计算中扮演的角色不同，CUDA编程模型将CPU作为主机（Host），GPU或者其它并行处理器作为协处理器（Co-processor）或者设备（Device），如图3-2所示。同时，CPU与GPU各自拥有相互独立的存储器地址空间：主机端的内存和设备端的显存。如何高效地实现存储器间的数据传输也是在CUDA程序开发过程中需要注意的。

《新程序员》：云原生和全面数字化实践50位技术专家共同创作，文字、视频、音频交互阅读

总结

以上是生活随笔为你收集整理的CUDA编程模型的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。