#include <cuda_runtime.h> #include <iostream> __global__ void vector_add_kernel(const float* a, const float* b, float* c, int n) { int i = blockIdx.x * blockDim.x + threadIdx.x; if (i < n) { c[i] = a[i] + b[i]; } } void vector_add(co

### CUDA C++ 向量加法 Kernel 完整示例及主机端调用代码 以下是完整的 CUDA C++ 实现向量加法的代码示例，包括 GPU 内核函数定义以及主机端调用部分。 #### 1. GPU 内核函数 (Kernel Function) ```cpp __global__ void vectorAdd(const float* A, const float* B, float* C, int N) { int i = blockIdx.x * blockDim.x + threadIdx.x; if (i < N) { C[i] = A[i] + B[i]; } } ``` 上述代码展示了 `vectorAdd` 的实现方式。这是一个典型的 CUDA 内核函数，其中线程索引通过组合 `blockIdx.x`, `blockDim.x` 和 `threadIdx.x` 来计算[^3]。每个线程负责处理数组中的一个元素，并将其存储到结果数组中。 --- #### 2. 主机端调用代码 (Host Code) 以下为主机端代码，它包含了设备内存分配、数据传输、内核启动和结果验证的过程： ```cpp #include <iostream> #include <cuda_runtime.h> #define CHECK_ERROR(err) \ if (err != cudaSuccess) { \ std::cerr << "Cuda error: " << cudaGetErrorString(err) << std::endl; \ exit(EXIT_FAILURE); \ } int main() { int N = 1 << 20; // Number of elements size_t bytes = N * sizeof(float); // Allocate host memory float* h_A = (float*)malloc(bytes); float* h_B = (float*)malloc(bytes); float* h_C = (float*)malloc(bytes); // Initialize input data on the host for (int i = 0; i < N; ++i) { h_A[i] = rand() / (float)RAND_MAX; h_B[i] = rand() / (float)RAND_MAX; } // Allocate device memory float* d_A = nullptr; float* d_B = nullptr; float* d_C = nullptr; cudaError_t err = cudaMalloc((void**)&d_A, bytes); CHECK_ERROR(err); err = cudaMalloc((void**)&d_B, bytes); CHECK_ERROR(err); err = cudaMalloc((void**)&d_C, bytes); CHECK_ERROR(err); // Copy data from host to device err = cudaMemcpy(d_A, h_A, bytes, cudaMemcpyHostToDevice); CHECK_ERROR(err); err = cudaMemcpy(d_B, h_B, bytes, cudaMemcpyHostToDevice); CHECK_ERROR(err); // Define execution configuration parameters int threadsPerBlock = 256; int blocksPerGrid = (N + threadsPerBlock - 1) / threadsPerBlock; // Launch kernel vectorAdd<<<blocksPerGrid, threadsPerBlock>>>(d_A, d_B, d_C, N); err = cudaGetLastError(); CHECK_ERROR(err); // Synchronize and check for errors after kernel launch err = cudaDeviceSynchronize(); CHECK_ERROR(err); // Copy result back to host err = cudaMemcpy(h_C, d_C, bytes, cudaMemcpyDeviceToHost); CHECK_ERROR(err); // Verify results bool success = true; for (int i = 0; i < N; ++i) { if (fabsf(h_A[i] + h_B[i] - h_C[i]) > 1e-5) { success = false; break; } } if (success) { std::cout << "Test PASSED!" << std::endl; } else { std::cout << "Test FAILED!" << std::endl; } // Free allocated resources free(h_A); free(h_B); free(h_C); cudaFree(d_A); cudaFree(d_B); cudaFree(d_C); return 0; } ``` 此代码片段实现了完整的向量加法流程。其中包括了设备内存管理、数据拷贝操作以及错误检测机制[^1]。此外，还提供了简单的结果校验逻辑来确认计算准确性。 --- ### 编译命令 为了编译该程序，可以使用 NVCC 提供的标准编译选项: ```bash nvcc vector_add.cu -o vector_add ``` 这一步骤会生成可执行文件 `vector_add`，随后可以通过运行该文件测试其功能。 --- ### 调试工具说明 如果需要调试此程序，则可以在 Host 端利用标准 GDB 命令完成；而在 Device 端则需借助特定于 CUDA 的调试指令集，例如但不限于 `cuda thread`, `lane`, 或者其他与硬件结构紧密关联的概念[^2]。 ---