cuda(您好,我也是最近刚学CUDA,想请教一下入门经验,可否指教一下)
1.您好,我也是最近刚学CUDA,想请教一下入门经验,可否指教一下
cuda是基于标准c语言的，你先把c语言的基础学好，然后动手自己写一些c语言的程序，等对c语言有一定的功底之后，再看cuda,cuda与c语言的不同之处我觉得在于那个内核函数，以及如何划分线程块和栅格的纬度和大小，以及如何实现对于线程的索引的搜索，让每一个线程处理对应的一个变量或者几个变量。
然后是cuda的一些基础的语法，这些你可以看一些简单的cuda的例子，例如矩阵相加的例子，通过这些程序的例子可以很好的理解这些语法。最好自己动手写写才会保证不出错误，因为写cuda比写c确实要麻烦很多。
希望可以对你有所帮助。祝你好运。
2.cuda主要用于哪
CUDA CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。
CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。
开发人员现在可以使用C语言来为CUDA架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA的处理器上以超高性能运行。
将来还会支持其它语言，包括FORTRAN以及C++。 随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。
在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像计算以外的目的。
目前只有G80、G92、G94和GT200平台的NVidia显卡才能使用CUDA，工具集的核心是一个C语言编译器。G80中拥有128个单独的ALU，因此非常适合并行计算，而且数值计算的速度远远优于CPU。
CUDA的SDK中的编译器和开发平台支持Windows、Linux系统，可以与Visual Studio2005集成在一起。 Geforce8CUDA(Compute Unified Device Architecture)是一个新的基础架构，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。
它是一个完整的GPGPU解决方案，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。
CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力，使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。 从CUDA体系结构的组成来说，包含了三个部分：开发库、运行期环境和驱动（表2）。
开发库是基于CUDA技术所提供的应用开发库。目前CUDA的1.1版提供了两个标准的数学运算库——CUFFT（离散快速傅立叶变换）和CUBLAS（离散基本线性计算）的实现。
这两个数学运算库所解决的是典型的大规模的并行计算问题，也是在密集数据计算中非常常见的计算类型。开发人员在开发库的基础上可以快速、方便的建立起自己的计算应用。
此外，开发人员也可以在CUDA的技术基础上实现出更多的开发库。 运行期环境提供了应用开发接口和运行期组件，包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。
基于CUDA开发的程序代码在实际执行中分为两种，一种是运行在CPU上的宿主代码（Host Code），一种是运行在GPU上的设备代码（Device Code）。不同类型的代码由于其运行的物理位置不同，能够访问到的资源不同，因此对应的运行期组件也分为公共组件、宿主组件和设备组件三个部分，基本上囊括了所有在GPGPU开发中所需要的功能和能够使用到的资源接口，开发人员可以通过运行期环境的编程接口实现各种类型的计算。
由于目前存在着多种GPU版本的NVidia显卡，不同版本的GPU之间都有不同的差异，因此驱动部分基本上可以理解为是CUDA-enable的GPU的设备抽象层，提供硬件设备的抽象访问接口。CUDA提供运行期环境也是通过这一层来实现各种功能的。
目前基于CUDA开发的应用必须有NVIDIA CUDA-enable的硬件支持，NVidia公司GPU运算事业部总经理Andy Keane在一次活动中表示：一个充满生命力的技术平台应该是开放的，CUDA未来也会向这个方向发展。由于CUDA的体系结构中有硬件抽象层的存在，因此今后也有可能发展成为一个通用的GPGPU标准接口，兼容不同厂商的GPU产品 CUDA 工具包是一种针对支持CUDA功能的GPU（图形处理器）的C语言开发环境。
CUDA开发环境包括： · nvcc C语言编译器 · 适用于GPU（图形处理器）的CUDA FFT和BLAS库 · 分析器 · 适用于GPU（图形处理器）的gdb调试器（在2008年3月推出alpha版） · CUDA运行时（CUDA runtime）驱动程序（目前在标准的NVIDIA GPU驱动中也提供） · CUDA编程手册 CUDA开发者软件开发包（SDK）提供了一些范例（附有源代码），以帮助使用者开始CUDA编程。这些范例包括： · 并行双调排序 · 矩阵乘法 · 矩阵转置 · 利用计时器进行性能评价 · 并行大数组的前缀和（扫描） · 图像卷积 · 使用Haar小波的一维DWT · OpenGL和Direct3D图形互操作示例 · CUDA BLAS和FFT库的使用示例 · CPU-GPU C—和C++—代码集成 · 二项式期权定价模型 · Black-Scholes期权定价模型 · Monte-Carlo期权定价模型 · 并行Mersenne Twister（随机数生成） · 并行直方图 · 图像去噪 · Sobel边缘检测滤波器 · MathWorks MATLAB® 新的基于1.1版CUDA的SDK 范例现在也已经发布了。
技术功能 ·在GPU（图形处理器）上提供标准C编程语言 · 为在支持CUDA的NVIDIA GPU（图形处理器）上进行并行计算而提供了统一的软硬件解决方案 · CUDA兼容的GPU（图形处理器）包括很多：从低功耗的笔记本上用的GPU到高性能的，多GPU的系统。 · 支持CUDA的。
3.显卡核心参数基础知识有哪些呢
CPU相当于大脑，我们可以将显卡比喻为一名画家，CPU（相当于先大脑构思）先需要告诉显卡需要画什么，这时显卡就会按照CPU的要求画出一张一张的图片，一张一张的图片我们可以称之为帧数，接着显示器会将这些图片进行连贯高速播放，我们在显示器中即可看到连贯的画面。
性能好的显卡（好的画家）能够画出更多更好看的图片，使得我们能够通过显示器看到的画面就更加流畅，更加清晰。 显卡架构：越新越好所谓的架构就是显卡使用的技术，每一代的显卡架构越新，技术就越成熟，计算能力越强，比方说，老式的汽车发动机与新型的发动机，新型的发动机可能会在老式的汽车发动机的基础上出现新的改进，让它更加性能更优越，并且更加省油。
显卡流处理器：越多越好我们每次在显卡参数看见CUDA核心，就是所谓的显卡的流处理器，简称SP，也可以称之为渲染管，这也是显卡重要的核心参数之一。流处理器的数量越多，那么显卡的画图的能力就越强，速度也越快，可以理解为一个老画家在画图。
（如果比较显卡之间的流处理器数量，必须同一代的显卡进行比较才有意义。 ） 核心频率：越高越好如果核心频率越高，那么显卡的性能无疑也越强，性能强了那么就会造成功耗越高，反之，核心频率低，性能就会弱，发热量自然越小。
独立显卡显存带宽：显存位宽*显存频率=显存带宽显卡的显存位宽可以比喻为马路，马路造的越宽，那么能够通过的汽车就会越多，而显存频率可以比喻为汽车的速度，显存频率越快，数据传输速度就越快。 因此显卡的位宽和频率的性能影响较大。
显存容量：显存是显卡临时存储的功能，显存的重要性不及架构、流处理器、核心频率、显存带宽，但是对于小白来说，基本都是以显卡的显存大小，来判断显卡的好坏，这是一个错误的观念，导致了一些奸商会使用显存的卖点来忽悠小白。 比方说，GTX1060 3G显存显卡，虽然只有3GB显存，但是性能无疑比GTX1050Ti 4G显存显卡强。
大显存也绝对有用，但是重要性不大，有一些大型游戏比较吃显存，如果显存不够，性能再强，也会爆显存。显卡的显存可以比喻为是一个停车场，若是停车场的马路不够宽（位宽），那么汽车的速度也不够快（显存频率），那么停车场的吞吐量就会很小，即使超大停车场（大显存）纯属浪费资源。
