CUDA C編程權威指南

本科畢設做的是對柱面掃描算法的回波信號進行GPU加速，然後自己摸索找到CUDA，程序設計過程中，這本書對我幫助特別大，尤其kernel之間的線程同步機制，wrap機制以及CPU和GPU之間的同步，仔細研究這些機制爲計算省下不少時間 雖然本科的畢設也就那麼回事，但這本書真是一本好書，想了解CUDA計算的一定要讀一讀，我論文寫完，給接手項目的研究生師兄對着這本書講解時，還發現一些可以用得上的機制，可以大大降低調試難度，後悔開發程序那會沒有讀完這本書 真心建議要做CUDA的朋友，一定一定要通讀整本書

作爲CUDA編程的入門書還是不錯的。畢竟講解和範例都很詳實，而且同類書也不多。英偉達自己的在線教程都太簡略了，而且也沒有那麼多例子。 但是這本書的問題也很多： 1、中文翻譯太爛。機翻的，校對也很馬虎。有很多不太通順、不好理解的句子，甚至還有很多翻譯錯誤。只能通過上下文猜測是什麼意思，或者只能跳過。 2、內容有些過時。沒有近幾年的新技術。畢竟這書出版有幾年了。不過對於入門而言，學習這些技術也是有用的，畢竟有些概念是通用的。 3、範例代碼有點雜糅，註釋太少。範例代碼經常把不同的實現雜糅在一個文件裏寫，並且註釋比較簡略。畢竟是給初學者的入門書，複雜一點的例子就不太好理解，比如多GPU二維模板計算那個例子。 總之，如果你能找到更好的 CUDA 入門教程，那可以不用看這本書。不然的話，這本書還是值得一讀。

緩慢的讀完了，由於有C的基礎，能看懂7分左右。書籍雖然老，但是並行編程的核心理念是沒有變的，書中介紹了很多優化考慮點，即便不寫CUDA，也是有指導意義的，當入個門吧，畢竟這玩意要實操，但是終於終於知道CUDA編程是個啥玩意了。作者有NVIDIA背景，介紹的知識點還是全面而又深刻的，強烈推薦。

雖然是早期cuda core時代的指編程南，但最核心的概念歷久彌新。它對硬件架構（計算核心和內存模型）、編程模型、執行模型的介紹全面且深入，非常值得有意於學習CUDA編程的人仔細閱讀。

單純羅列知識點，沒有邏輯，不如cuda book。

- 《CUDA C編程權威指南》 - CUDA的核心思想是數據並行, 將數據劃分給多個線程同時處理 - 兩種方法可以對數據進行劃分, 塊劃分和週期劃分 - 數據是在一維空間中存儲的, 即便是多維邏輯數據, 仍然要被映射到一維物理地址空間中 - 性能優化關注三個指標, 延遲, 帶寬, 吞吐量 - 延遲是一個操作從開始到完成所需要的時間, 常用微秒來表示 - 帶寬是單位時間內可處理的數據量, 通常表示爲MB/s或GB/s - 吞吐量是單位時間內成功處理的運算數量, 通常表示爲gflops(即每秒十億次的浮點運算數量) - CPU應用程序, CUDA庫, CUDA運行時API, CUDA驅動API, GPU - 數據局部性指的是數據重用，以降低內存訪問的延遲 - 時間局部性是指在相對較短的時間段內數據或資源的重用 - 空間局部性是指在相對較接近的存儲空間內數據元素的重用 - NVIDIA爲C和C++開發人員提供了綜合的開發環境以創建GPU加速應用程序, 包括以下幾種 - NVIDIA Nsight集成開發環境, CUDA-GDB命令行調試器, 用於性能分析的可視化和命令行分析器 - CUDA-MEMCHECK內存分析器, GPU設備管理工具 - 由一個內核啓動所產生的所有線程統稱爲一個網格, 同一網格中的所有線程共享相同的全局內存空間 - 一個網格由多個線程塊構成, 一個線程塊包含一組線程, 同一線程塊內的線程協作可以通過以下方式來實現 - 同步, 共享內存, 不同塊內的線程不能協作 - cudaDeviceSynchronize(); 啓動核函數後異步, 這個可以讓主機端等待 - CUDA核函數, __global__關鍵字, 以下限制適用於所有核函數 - 只能訪問設備內存, 必須具有void返回類型, 不支持可變數量的參數 - 不支持靜態變量, 顯示異步行爲

原書質量挺好，但是翻譯機翻痕跡太重了，嚴重影響閱讀

只會貼測試結果，流於表面，根本沒有深入原理解釋。另外這本書很舊，10多年前的內容還被翻譯出來，真的是喫x趕不上熱的。

出於好奇翻看的一本書，通篇瀏覽了一遍，書有段時間了，不過核心的東西沒變。