c++怎么使用CUDA进行GPU编程_C++中基于CUDA实现GPU并行计算入门-C++-PHP中文网

c++怎么使用CUDA进行GPU编程_C++中基于CUDA实现GPU并行计算入门

冰火之心

发布： 2025-10-29 09:49:02

原创

153人浏览过

使用CUDA进行GPU编程需安装CUDA Toolkit，编写混合代码，通过核函数在GPU上并行执行任务，示例中实现向量加法，涉及内存分配、数据传输与线程管理。

c++怎么使用cuda进行gpu编程_c++中基于cuda实现gpu并行计算入门

要在C++中使用CUDA进行GPU编程，核心是借助NVIDIA提供的CUDA Toolkit，将部分计算任务从CPU卸载到GPU上并行执行。整个过程涉及编写混合代码：一部分在主机（CPU）上运行，另一部分在设备（GPU）上并行执行。下面介绍基本流程和关键概念，帮助你快速入门。

1. 环境准备与工具安装

要开始CUDA开发，需确保以下条件满足：

支持CUDA的NVIDIA显卡：查看NVIDIA官网确认你的GPU是否支持CUDA。
安装CUDA Toolkit：从NVIDIA官网下载并安装对应版本的CUDA Toolkit，包含编译器（nvcc）、库文件和头文件。
开发环境配置：可在Visual Studio（Windows）或GCC + Makefile（Linux）中配置CUDA支持。推荐使用VS Code或Visual Studio配合Nsight插件调试。

验证安装：终端输入nvcc --version，若有版本信息输出说明安装成功。

2. CUDA编程基本结构

CUDA程序通常包含以下部分：

立即学习“C++免费学习笔记（深入）”；

在主机（CPU）上分配内存
将数据从主机复制到设备（GPU）
调用核函数（kernel），在GPU上并行执行
将结果从设备复制回主机
释放设备内存

核函数使用__global__修饰，由CPU启动，但在GPU上执行。每个线程运行一次该函数。

行者AI

行者AI绘图创作，唤醒新的灵感，创造更多可能

100

查看详情

3. 示例：向量加法

以下是一个简单的向量加法示例，展示如何在C++中使用CUDA实现并行计算。

#include <cuda_runtime.h>
#include <iostream>

// 核函数：每个线程处理一个数组元素
__global__ void vectorAdd(float* A, float* B, float* C, int N) {
    int idx = blockIdx.x * blockDim.x + threadIdx.x;
    if (idx < N) {
        C[idx] = A[idx] + B[idx];
    }
}

int main() {
    const int N = 1<<20; // 1M elements
    const int size = N * sizeof(float);

    // 主机内存分配
    float *h_A = (float*)malloc(size);
    float *h_B = (float*)malloc(size);
    float *h_C = (float*)malloc(size);

    // 初始化数据
    for (int i = 0; i < N; ++i) {
        h_A[i] = i;
        h_B[i] = i * 2;
    }

    // 设备内存分配
    float *d_A, *d_B, *d_C;
    cudaMalloc(&d_A, size);
    cudaMalloc(&d_B, size);
    cudaMalloc(&d_C, size);

    // 数据从主机拷贝到设备
    cudaMemcpy(d_A, h_A, size, cudaMemcpyHostToDevice);
    cudaMemcpy(d_B, h_B, size, cudaMemcpyHostToDevice);

    // 配置执行配置：1024个线程每块，共(N + 1023)/1024个块
    int blockSize = 1024;
    int gridSize = (N + blockSize - 1) / blockSize;
    vectorAdd<<<gridSize, blockSize>>>(d_A, d_B, d_C, N);

    // 同步等待GPU完成
    cudaDeviceSynchronize();

    // 将结果拷贝回主机
    cudaMemcpy(h_C, d_C, size, cudaMemcpyDeviceToHost);

    // 验证结果（打印前5个）
    for (int i = 0; i < 5; ++i) {
        std::cout << h_A[i] << " + " << h_B[i] << " = " << h_C[i] << std::endl;
    }

    // 释放内存
    free(h_A); free(h_B); free(h_C);
    cudaFree(d_A); cudaFree(d_B); cudaFree(d_C);

    return 0;
}

登录后复制

编译命令：