0. 寫在前面

有一位朋友請(qǐng)教我這個(gè)軟件如何使用，正趕上我吃飯请敦，這位朋友說過段時(shí)間再說也行星瘾，于是我就準(zhǔn)備程序完成了這篇簡(jiǎn)易教程。

• 運(yùn)行環(huán)境：
  XUbuntu 18.04 操作系統(tǒng)尺棋，CUDA版本為 9.1，設(shè)備為 Gforce GTX-850M。
• 教程內(nèi)容包括：
  1. 新建CUDA C/C++ 項(xiàng)目
  2. 添加代碼（計(jì)算矩陣相乘）
  3. 編譯膘螟、鏈接成福、執(zhí)行
  4. 分析程序性能
• 教程概覽
  1. Nsight Eclipse Edition 簡(jiǎn)介
  2. 使用方法（教程內(nèi)容）
  3. 附錄 - 程序完整源碼
• 特別聲明
  此教程所用測(cè)試代碼取自網(wǎng)絡(luò)，原文鏈接如下荆残，如若侵犯作者版權(quán)奴艾，請(qǐng)聯(lián)系刪帖。
  作者：MingChaoSun
  原文：https://blog.csdn.net/sunmc1204953974/article/details/51098028

1. Nsight Eclipse Edition 簡(jiǎn)介

NVIDIA?Nsight?Eclipse Edition是一個(gè)功能全面的IDE内斯，由Eclipse平臺(tái)提供支持蕴潦，提供一體化的集成環(huán)境，用于編輯俘闯，構(gòu)建潭苞，調(diào)試和分析CUDA-C應(yīng)用程序。Nsight Eclipse Edition支持豐富的商業(yè)和免費(fèi)插件真朗。
點(diǎn)擊跳轉(zhuǎn)到 Nsight Eclipse Edition 介紹頁此疹。

2. 使用方法

2.1 打開 Nsight Eclipse Edition

Nsight Eclipse Edition 可以通過兩種方式打開：

$ nsight # 通過終端命令打開

或者新建桌面圖標(biāo)，通過單擊相應(yīng)圖標(biāo)啟動(dòng)程序遮婶。下圖為 Nsight Eclipse Edition主界面蝗碎。

• 左側(cè)區(qū)域?yàn)楣芾韰^(qū)，在這里可以管理整個(gè)項(xiàng)目屬性旗扑；
• 中間區(qū)域?yàn)楣ぷ鲄^(qū)蹦骑，比如編寫代碼、查看程序分析結(jié)果等臀防；
• 右側(cè)區(qū)域?yàn)榇缶V區(qū)眠菇，可以查看項(xiàng)目的頭文件、宏定義清钥、函數(shù)名等內(nèi)容琼锋。
  ps: 上面三個(gè)區(qū)域是我自己想出來的名字，如果讀者覺得不恰當(dāng)祟昭，可以留言討論缕坎，謝謝。

Nsight Eclipse Edition

2.2 新建 CUDA-C/C++ 項(xiàng)目

• 方法：菜單欄 -> File -> New -> CUDA C/C++ Project
  最后篡悟，我們將見到如下圖所示的窗口谜叹。在這里可以設(shè)置 Project name（項(xiàng)目名稱）、Location（項(xiàng)目路徑）搬葬、Project type（項(xiàng)目類型）等內(nèi)容
  
  新建 CUDA-C/C++ 項(xiàng)目

2.3 添加代碼

• 方法：在 Nsight Eclipse Edition 主界面管理區(qū)單擊鼠標(biāo)右鍵荷腊，然后選擇右鍵菜單中的New，再選擇在出現(xiàn)在下級(jí)菜單中的Source File急凰，如下圖所示女仰。

添加代碼-1

完成上述操作后，出現(xiàn)下面窗口。

• 在這里疾忍，可以設(shè)置Source folder（源代碼文件文件夾） Source file（源代碼文件文件名乔外，不帶擴(kuò)展名） Template（使用模板）。
• 本教程中一罩，源代碼文件文件名為main杨幼，未使用模板。

添加代碼-2

2.4 編寫代碼

在中間的工作區(qū)編寫相關(guān)代碼聂渊。

編寫代碼

2.5 編譯差购、鏈接、執(zhí)行

• 通過工具欄汉嗽，方法：點(diǎn)擊工具欄按鈕（下圖中左起第一個(gè)）欲逃，即可進(jìn)行。
  
  Run
• 通過菜單欄進(jìn)行诊胞，方法：菜單欄 -> Project -> Build All 或 Build Project

2.6 分析程序

• 通過工具欄暖夭，方法：點(diǎn)擊工具欄按鈕（下圖中左起第二個(gè)），即可進(jìn)行撵孤。

Profile

比如此教程所用程序的性能分析如下圖所示。

分析程序

3. 附錄 - 程序完整源碼

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

//CUDA RunTime API
#include <cuda_runtime.h>

#define THREAD_NUM 256

#define MATRIX_SIZE 1000

const int blocks_num = MATRIX_SIZE * (MATRIX_SIZE + THREAD_NUM - 1) / THREAD_NUM;

//打印設(shè)備信息
void printDeviceProp(const cudaDeviceProp &prop) {
    printf("Device Name : %s.\n", prop.name);
    printf("totalGlobalMem : %d.\n", prop.totalGlobalMem);
    printf("sharedMemPerBlock : %d.\n", prop.sharedMemPerBlock);
    printf("regsPerBlock : %d.\n", prop.regsPerBlock);
    printf("warpSize : %d.\n", prop.warpSize);
    printf("memPitch : %d.\n", prop.memPitch);
    printf("maxThreadsPerBlock : %d.\n", prop.maxThreadsPerBlock);
    printf("maxThreadsDim[0 - 2] : %d %d %d.\n", prop.maxThreadsDim[0],
            prop.maxThreadsDim[1], prop.maxThreadsDim[2]);
    printf("maxGridSize[0 - 2] : %d %d %d.\n", prop.maxGridSize[0],
            prop.maxGridSize[1], prop.maxGridSize[2]);
    printf("totalConstMem : %d.\n", prop.totalConstMem);
    printf("major.minor : %d.%d.\n", prop.major, prop.minor);
    printf("clockRate : %d.\n", prop.clockRate);
    printf("textureAlignment : %d.\n", prop.textureAlignment);
    printf("deviceOverlap : %d.\n", prop.deviceOverlap);
    printf("multiProcessorCount : %d.\n", prop.multiProcessorCount);
}

//CUDA 初始化
bool InitCUDA() {
    int count;

    //取得支持Cuda的裝置的數(shù)目
    cudaGetDeviceCount(&count);

    if (count == 0) {
        fprintf(stderr, "There is no device.\n");

        return false;
    }

    int i;

    for (i = 0; i < count; i++) {

        cudaDeviceProp prop;
        cudaGetDeviceProperties(&prop, i);
        //打印設(shè)備信息
        printDeviceProp(prop);

        if (cudaGetDeviceProperties(&prop, i) == cudaSuccess) {
            if (prop.major >= 1) {
                break;
            }
        }
    }

    if (i == count) {
        fprintf(stderr, "There is no device supporting CUDA 1.x.\n");
        return false;
    }

    cudaSetDevice(i);

    return true;

}

//生成隨機(jī)矩陣
void matgen(float* a, int n) {
    int i, j;

    for (i = 0; i < n; i++) {
        for (j = 0; j < n; j++) {

            a[i * n + j] = (float) rand() / RAND_MAX
                    + (float) rand() / (RAND_MAX * RAND_MAX);

        }
    }
}

// __global__ 函數(shù) 并行計(jì)算矩陣乘法
__global__ static void matMultCUDA(const float* a, const float* b, float* c,
        int n, clock_t* time) {

    //表示目前的 thread 是第幾個(gè) thread（由 0 開始計(jì)算）
    const int tid = threadIdx.x;

    //表示目前的 thread 屬于第幾個(gè) block（由 0 開始計(jì)算）
    const int bid = blockIdx.x;

    //從 bid 和 tid 計(jì)算出這個(gè) thread 應(yīng)該計(jì)算的 row 和 column
    const int idx = bid * THREAD_NUM + tid;
    const int row = idx / n;
    const int column = idx % n;

    int i;

    //記錄運(yùn)算開始的時(shí)間
    clock_t start;

    //只在 thread 0（即 threadIdx.x = 0 的時(shí)候）進(jìn)行記錄竭望，每個(gè) block 都會(huì)記錄開始時(shí)間及結(jié)束時(shí)間
    if (tid == 0)
        time[bid] = clock();

    //計(jì)算矩陣乘法
    if (row < n && column < n) {
        float t = 0;

        for (i = 0; i < n; i++) {
            t += a[row * n + i] * b[i * n + column];
        }
        c[row * n + column] = t;
    }

    //計(jì)算時(shí)間,記錄結(jié)果邪码，只在 thread 0（即 threadIdx.x = 0 的時(shí)候）進(jìn)行，每個(gè) block 都會(huì)記錄開始時(shí)間及結(jié)束時(shí)間
    if (tid == 0) {
        time[bid + blocks_num] = clock();
    }
}

int main() {

    //CUDA 初始化
    if (!InitCUDA())
        return 0;

    //定義矩陣
    float *a, *b, *c, *d;

    int n = MATRIX_SIZE;

    //分配內(nèi)存
    a = (float*) malloc(sizeof(float) * n * n);
    b = (float*) malloc(sizeof(float) * n * n);
    c = (float*) malloc(sizeof(float) * n * n);
    d = (float*) malloc(sizeof(float) * n * n);

    //設(shè)置隨機(jī)數(shù)種子
    srand(0);

    //隨機(jī)生成矩陣
    matgen(a, n);
    matgen(b, n);

    /*把數(shù)據(jù)復(fù)制到顯卡內(nèi)存中*/
    float *cuda_a, *cuda_b, *cuda_c;

    clock_t* time;

    //cudaMalloc 取得一塊顯卡內(nèi)存
    cudaMalloc((void**) &cuda_a, sizeof(float) * n * n);
    cudaMalloc((void**) &cuda_b, sizeof(float) * n * n);
    cudaMalloc((void**) &cuda_c, sizeof(float) * n * n);
    cudaMalloc((void**) &time, sizeof(clock_t) * blocks_num * 2);

    //cudaMemcpy 將產(chǎn)生的矩陣復(fù)制到顯卡內(nèi)存中
    //cudaMemcpyHostToDevice - 從內(nèi)存復(fù)制到顯卡內(nèi)存
    //cudaMemcpyDeviceToHost - 從顯卡內(nèi)存復(fù)制到內(nèi)存
    cudaMemcpy(cuda_a, a, sizeof(float) * n * n, cudaMemcpyHostToDevice);
    cudaMemcpy(cuda_b, b, sizeof(float) * n * n, cudaMemcpyHostToDevice);

    // 在CUDA 中執(zhí)行函數(shù) 語法：函數(shù)名稱<<<block 數(shù)目, thread 數(shù)目, shared memory 大小>>>(參數(shù)...);
    matMultCUDA<<<blocks_num, THREAD_NUM, 0>>>(cuda_a, cuda_b, cuda_c, n, time);

    /*把結(jié)果從顯示芯片復(fù)制回主內(nèi)存*/

    clock_t time_use[blocks_num * 2];

    //cudaMemcpy 將結(jié)果從顯存中復(fù)制回內(nèi)存
    cudaMemcpy(c, cuda_c, sizeof(float) * n * n, cudaMemcpyDeviceToHost);
    cudaMemcpy(&time_use, time, sizeof(clock_t) * blocks_num * 2,
            cudaMemcpyDeviceToHost);

    //Free
    cudaFree(cuda_a);
    cudaFree(cuda_b);
    cudaFree(cuda_c);
    cudaFree(time);

    //把每個(gè) block 最早的開始時(shí)間咬清，和最晚的結(jié)束時(shí)間相減闭专，取得總運(yùn)行時(shí)間
    clock_t min_start, max_end;

    min_start = time_use[0];

    max_end = time_use[blocks_num];

    for (int i = 1; i < blocks_num; i++) {
        if (min_start > time_use[i])
            min_start = time_use[i];

        if (max_end < time_use[i + blocks_num])
            max_end = time_use[i + blocks_num];
    }

    //核函數(shù)運(yùn)行時(shí)間
    clock_t final_time = max_end - min_start;

    //CPU矩陣乘法，存入矩陣d
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            double t = 0;

            for (int k = 0; k < n; k++) {

                t += a[i * n + k] * b[k * n + j];

            }

            d[i * n + j] = t;

        }
    }

    //驗(yàn)證正確性與精確性

    float max_err = 0;

    float average_err = 0;

    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            if (d[i * n + j] != 0) {
                //fabs求浮點(diǎn)數(shù)x的絕對(duì)值
                float err = fabs((c[i * n + j] - d[i * n + j]) / d[i * n + j]);

                if (max_err < err)
                    max_err = err;

                average_err += err;
            }
        }
    }

    printf("Max error: %g Average error: %g\n", max_err, average_err / (n * n));

    printf("gputime: %d\n", final_time);

    return 0;

}