CUDA C编程权威指南

本科毕设做的是对柱面扫描算法的回波信号进行GPU加速，然后自己摸索找到CUDA，程序设计过程中，这本书对我帮助特别大，尤其kernel之间的线程同步机制，wrap机制以及CPU和GPU之间的同步，仔细研究这些机制为计算省下不少时间 虽然本科的毕设也就那么回事，但这本书真是一本好书，想了解CUDA计算的一定要读一读，我论文写完，给接手项目的研究生师兄对着这本书讲解时，还发现一些可以用得上的机制，可以大大降低调试难度，后悔开发程序那会没有读完这本书 真心建议要做CUDA的朋友，一定一定要通读整本书

作为CUDA编程的入门书还是不错的。毕竟讲解和范例都很详实，而且同类书也不多。英伟达自己的在线教程都太简略了，而且也没有那么多例子。 但是这本书的问题也很多： 1、中文翻译太烂。机翻的，校对也很马虎。有很多不太通顺、不好理解的句子，甚至还有很多翻译错误。只能通过上下文猜测是什么意思，或者只能跳过。 2、内容有些过时。没有近几年的新技术。毕竟这书出版有几年了。不过对于入门而言，学习这些技术也是有用的，毕竟有些概念是通用的。 3、范例代码有点杂糅，注释太少。范例代码经常把不同的实现杂糅在一个文件里写，并且注释比较简略。毕竟是给初学者的入门书，复杂一点的例子就不太好理解，比如多GPU二维模板计算那个例子。 总之，如果你能找到更好的 CUDA 入门教程，那可以不用看这本书。不然的话，这本书还是值得一读。

缓慢的读完了，由于有C的基础，能看懂7分左右。书籍虽然老，但是并行编程的核心理念是没有变的，书中介绍了很多优化考虑点，即便不写CUDA，也是有指导意义的，当入个门吧，毕竟这玩意要实操，但是终于终于知道CUDA编程是个啥玩意了。作者有NVIDIA背景，介绍的知识点还是全面而又深刻的，强烈推荐。

虽然是早期cuda core时代的指编程南，但最核心的概念历久弥新。它对硬件架构（计算核心和内存模型）、编程模型、执行模型的介绍全面且深入，非常值得有意于学习CUDA编程的人仔细阅读。

单纯罗列知识点，没有逻辑，不如cuda book。

- 《CUDA C编程权威指南》 - CUDA的核心思想是数据并行, 将数据划分给多个线程同时处理 - 两种方法可以对数据进行划分, 块划分和周期划分 - 数据是在一维空间中存储的, 即便是多维逻辑数据, 仍然要被映射到一维物理地址空间中 - 性能优化关注三个指标, 延迟, 带宽, 吞吐量 - 延迟是一个操作从开始到完成所需要的时间, 常用微秒来表示 - 带宽是单位时间内可处理的数据量, 通常表示为MB/s或GB/s - 吞吐量是单位时间内成功处理的运算数量, 通常表示为gflops(即每秒十亿次的浮点运算数量) - CPU应用程序, CUDA库, CUDA运行时API, CUDA驱动API, GPU - 数据局部性指的是数据重用，以降低内存访问的延迟 - 时间局部性是指在相对较短的时间段内数据或资源的重用 - 空间局部性是指在相对较接近的存储空间内数据元素的重用 - NVIDIA为C和C++开发人员提供了综合的开发环境以创建GPU加速应用程序, 包括以下几种 - NVIDIA Nsight集成开发环境, CUDA-GDB命令行调试器, 用于性能分析的可视化和命令行分析器 - CUDA-MEMCHECK内存分析器, GPU设备管理工具 - 由一个内核启动所产生的所有线程统称为一个网格, 同一网格中的所有线程共享相同的全局内存空间 - 一个网格由多个线程块构成, 一个线程块包含一组线程, 同一线程块内的线程协作可以通过以下方式来实现 - 同步, 共享内存, 不同块内的线程不能协作 - cudaDeviceSynchronize(); 启动核函数后异步, 这个可以让主机端等待 - CUDA核函数, __global__关键字, 以下限制适用于所有核函数 - 只能访问设备内存, 必须具有void返回类型, 不支持可变数量的参数 - 不支持静态变量, 显示异步行为

原书质量挺好，但是翻译机翻痕迹太重了，严重影响阅读

只会贴测试结果，流于表面，根本没有深入原理解释。另外这本书很旧，10多年前的内容还被翻译出来，真的是吃x赶不上热的。

出于好奇翻看的一本书，通篇浏览了一遍，书有段时间了，不过核心的东西没变。