2022CUDA夏季训练营Day1实践

张小白曾经成功地运行了第一个CUDA程序，但是对其只是知其然不知其所以然。所以CUDA训练营是帮你知其所以然的。

我们把 CPU,内存这块区域叫做“主机（HOST）”，把GPU，显存这块区域叫做“设备（DEVICE）”。

CUDA的代码执行包含以下几步：

简述一下，就是 host_to_device-》在device上并行计算-》device_to_host。

cuda程序其实是一个对C的扩展程序。其后缀名为.cu，如果头文件则为.cuh。

这个.cu 程序除了C程序的语法外，还有一些cuda的特有部分，比如它在函数前面加了前缀，分为 __global__, __host__,__device__ 三种。

对于__global__，训练营是这么说的：

所谓的“执行配置”，下面会提到，比如说是 <<< >>>中间的内容。

这个标识符将一个C函数声明成一个 核函数。它只能在设备（device）上执行。

对于__host__ 是这么说的：

对于__device__ 是这么说的：

个人理解，这几个前缀定义了这些代码运行的设备，这会让程序决定在哪个设备上运行。

对于一个简单的Hello World代码而言：

#include <stdio.h>

void hello_from_cpu()
{
    printf("Hello World from the CPU!\n");
}

int main(void)
{
    hello_from_cpu();
    return 0;
}

如果我们想让它在GPU上运行，仅需要做两步：

（1）将被调用的函数 hello_from_cpu 改为 hello_from_gpu ，前面加上 __global__ 将其定义为核函数。

（2）在main主函数调用的时候，加上执行配置<<< >>>部分，如加上<<<1,1>>>则为并行1次，如加上<<<2,4>>>则运行 2X4次。

我们看看实际代码修改后的效果：

#include <stdio.h>

__global__ void hello_from_gpu()
{
    printf("Hello World from the GPU!\n");
}

int main(void)
{
    hello_from_gpu<<<1,1>>>();
    return 0;
}

cu代码必须使用nvcc编译，编译的时候要根据GPU架构的不同填不同的参数。

其中，arch参数如下：

code参数如下：

举个简单的例子，张小白这台笔记本的显卡是Quardo P1000，是Pascal架构，那么参数是compute_61和sm_61.

我们执行以下语句：

/usr/local/cuda/bin/nvcc -arch=compute_61 -code=sm_61 hello_cuda.cu -o hello_cuda

./hello_cuda

如果将执行配置改为2,4：

可以发现这个核函数被执行了8次。

下面我们来看看这段代码能不能使用jupyter lab执行。

我们解压下 训练营提供的 jupyter练习包：CUDA_on_ARM.zip

解压：unzip，要想执行先得装unzip:

执行解压：unzip CUDA_on_ARM.zip

安装PIP:

sudo apt install python3-pip

看来python3和pip都准备OK了。

pip install jupyterlab  -i https://pypi.tuna.tsinghua.edu.cn/simple

sudo apt install jupyter

启动 jupyter lab --no-browser看看：

报错了，没关系，度娘一下：https://blog.csdn.net/weixin_45438997/article/details/124261720

pip show markupsafe

python -m pip install markupsafe==2.0.1

重新启动：jupyter lab --no-browser

当然启动前可以先设一下密码：

jupyter server password

输入两次123456

浏览器打开：http://127.0.0.1:8888/lab

可见，在jupyter lab中也可以体验CUDA代码的。

（未完待续）