CUDA实践指南（一）

评估您的应用程序：
从超级计算机到手机，现代处理器越来越依赖并行性来提供性能。 核心计算单元（包括控制，算术，寄存器和典型的一些缓存）被复制一定次数并通过网络连接到内存。 因此，所有现代处理器都需要并行代码，以便充分利用其计算能力。
在处理器不断发展以向程序员公开更多细粒度的并行性时，许多现有的应用程序已经发展成为串行代码或粗粒度并行代码（例如，数据分解为并行处理的区域和子区域 使用MPI共享）。 为了从任何现代处理器架构（包括GPU）中获益，首先要评估应用程序以识别热点，确定它们是否可以并行化，并了解现在和将来的相关工作负载。
异构计算：
CUDA编程涉及在两个不同平台上同时运行代码：具有一个或多个CPU和一个或多个支持CUDA的NVIDIA GPU设备的主机系统。
虽然NVIDIA GPU经常与图形相关联，但它们也是强大的算术引擎，能够并行运行数千个轻量级线程。 这种能力使它们非常适合于可以利用并行执行的计算。
但是，该设备基于与主机系统完全不同的设计，因此了解这些差异以及如何确定CUDA应用程序的性能以便有效地使用CUDA非常重要。
主机和设备的区别：
主要区别在于线程模型和单独的物理内存：
线程资源：
主机系统上的执行流水线可以支持有限数量的并发线程。 目前拥有四个六核处理器的服务器可以同时运行24个线程（如果CPU支持超线程，则可以运行48个）。相比之下，CUDA设备上最小的可执行并行单元包含32个线程（称为warp线程）。 现代NVIDIA GPU可以为每个多处理器同时支持多达1536个活动线程（请参阅CUDA C编程指南的功能和规格）在具有16个多处理器的GPU上，这会导致超过24,000个并发活动线程。
线程：
CPU上的线程通常是重量级的实体。 操作系统必须交换CPU执行通道的线程以提供多线程功能。 上下文切换（当两个线程交换时）因此很慢并且很昂贵。 相比之下，GPU上的线程非常轻便。 在典型的系统中，数千个线程正在排队等待工作（每个线程有32个线程）。 如果GPU必须等待一个warp线程，它就会开始在另一个线程上执行工作。 由于单独的寄存器被分配给所有活动线程，因此在GPU线程之间切换时不需要交换寄存器或其他状态。 资源保持分配给每个线程，直到它完成其执行。 简而言之，CPU内核旨在最大限度地减少一个或两个线程的延迟，而GPU旨在处理大量并发的轻量级线程，以最大化吞吐量。
RAM：
主机系统和设备各自具有其自己独特的附加物理存储器。 由于主机和设备存储器被PCI Express（PCIe）总线隔开，主机存储器中的项目必须偶尔通过总线传送到设备存储器，反之亦然。
这些是CPU主机和GPU设备之间在并行编程方面的主要硬件差异。 讨论其他差异，因为它们出现在本文档的其他地方。 考虑到这些差异的应用程序可以将主机和设备组合在一起，将其视为一个内聚的异构系统，其中每个处理单元都可以充分利用其最擅长的工作方式：在主机上进行顺序工作，并在设备上进行并行工作。