CUDA编程接口详解

本文将详细介绍NVIDIA CUDA编程指南第3章（编程接口）中的核心概念，例如NVCC编译器、CUDA运行时、版本管理和兼容性、计算模式、模式切换以及Windows下的Tesla计算集群模式。以下是本文的大纲：

1. Compilation with NVCC

NVCC（NVIDIA CUDA Compiler，NVIDIA CUDA编译器）是用于编译CUDA C/C++代码的编译器。要使用NVCC编译CUDA代码，我们需要将CUDA源文件的扩展名设置为.cu，并使用以下命令进行编译：

nvcc -o my_program my_program.cu

在本节中，我们将详细介绍NVCC编译器的用法和选项。以下是本节的内容概述：

• NVCC编译器简介
• 常用编译选项
• 示例：编译一个简单的CUDA程序
• 示例：使用Makefile编译CUDA程序

1.1. NVCC编译器简介

NVCC是CUDA平台的核心组件之一，它将CUDA C/C++代码转换为GPU可执行的二进制代码。NVCC的运行过程分为两个阶段：首先，它将CUDA代码中的设备代码（device code）和主机代码（host code）分离；然后，它将设备代码交给PTX编译器（NVIDIA的GPU汇编编译器）进行编译，将主机代码交给C/C++编译器（例如GCC或者Clang）进行编译。

1.2. 常用编译选项

NVCC支持许多编译选项，例如：

• -arch=sm_XX：设置目标架构，例如-arch=sm_35用于编译支持计算能力3.5的程序；
• -c：仅编译，不进行链接；
• -o：设置输出文件名；
• -I：设置头文件搜索路径；
• -L：设置库文件搜索路径；
• -l：链接库文件。

1.3. 示例：编译一个简单的CUDA程序

假设我们有一个简单的CUDA程序vector_add.cu，其内容如下：

#include <iostream>
#include <cuda_runtime.h>

__global__ void vector_add(const float *A, const float *B, float *C, int N) {
    
    
    int i = blockDim.x * blockIdx.x + threadIdx.x;
    if (i < N) {
    
    
        C[i] = A[i] + B[i];
    }
}

int main() {
    
    
    // ...省略主机代码...
}

要使用NVCC编译这个程序，我们可以执行以下命令：

nvcc -o vector_add vector_add.cu

编译成功后，我们可以运行生成的可执行文件vector_add。

1.4. 示例：使用Makefile编译CUDA程序

在实际项目中，我们通常需要编译多个源文件，并链接多个库文件。为了简化编译过程，我们可以使用Makefile来管理编译选项和依赖关系。以下是一个简单的Makefile示例：

# 设置NVCC编译器和编译选项
NVCC = nvcc
CFLAGS = -arch=sm_35 -I/usr/local/cuda/include

# 设置目标文件和源文件
TARGET = vector_add
SOURCES = vector_add.cu

# 编译规则
all: $(TARGET)

$(TARGET): $(SOURCES)
	$(NVCC) $(CFLAGS) -o $@ $^

clean:
	rm -f $(TARGET)

使用这个Makefile，我们可以直接运行make命令来编译CUDA程序。

2. CUDA Runtime

CUDA运行时（CUDA Runtime）是一个用于管理设备、内存和执行的高级API。它包括以下几个部分：

• 设备管理：包括设备查询、设备选择、设备属性获取等功能；
• 内存管理：包括设备内存分配、释放、数据传输等功能；
• 执行管理：包括核函数调用、同步、流管理等功能。

在本节中，我们将详细介绍CUDA运行时API的使用方法和注意事项。以下是本节的内容概述：

• 设备管理API
• 内存管理API
• 执行管理API

2.1. 设备管理API

设备管理API主要用于查询和设置CUDA设备。以下是一些常用的设备管理API：

• cudaGetDeviceCount(int *count)：获取可用CUDA设备的数量；
• cudaGetDeviceProperties(cudaDeviceProp *prop, int device)：获取指定设备的属性；
• cudaSetDevice(int device)：选择当前线程使用的设备；
• cudaGetDevice(int *device)：获取当前线程使用的设备。

2.2. 内存管理API

内存管理API主要用于分配、释放和传输设备内存。以下是一些常用的内存管理API：

• cudaMalloc(void **devPtr, size_t size)：分配设备内存；
• cudaFree(void *devPtr)：释放设备内存；
• cudaMemcpy(void *dst, const void *src, size_t count, cudaMemcpyKind kind)：传输内存数据。

2.3. 执行管理API

执行管理API主要用于调用核函数、同步和管理流。以下是一些常用的执行管理API：

• __global__：定义核函数；
• <<<...>>>()：调用核函数；
• cudaStreamCreate(cudaStream_t *pStream)：创建流；
• cudaStreamDestroy(cudaStream_t stream)：销毁流；
• cudaStreamSynchronize(cudaStream_t stream)：同步流；
• cudaDeviceSynchronize()：同步设备。

3. Versioning and Compatibility

CUDA使用版本号表示其API和ABI（Application Binary Interface，应用程序二进制接口）的兼容性。CUDA的版本号由三部分组成：主版本号、次版本号和修订版本号，例如CUDA 10.2.89。

主版本号和次版本号用于表示API的兼容性。如果应用程序使用的CUDA版本与系统安装的CUDA版本在主版本号和次版本号上一致，则应用程序可以正常运行。修订版本号用于表示ABI的兼容性。如果应用程序使用的CUDA版本与系统安装的CUDA版本在修订版本号上一致或更低，则应用程序可以正常运行。

在本节中，我们将详细介绍CUDA版本管理和兼容性的概念和实践。以下是本节的内容概述：

• CUDA版本号
• API兼容性
• ABI兼容性
• 示例：检查CUDA版本

3.1. CUDA版本号

CUDA版本号由三部分组成：

• 主版本号（Major version）：表示CUDA平台的主要功能和架构变化；
• 次版本号（Minor version）：表示CUDA平台的次要功能和性能改进；
• 修订版本号（Revision version）：表示CUDA平台的细节修复和优化。

例如，CUDA 10.2.89表示主版本号为10，次版本号为2，修订版本号为89。

3.2. API兼容性

API兼容性是指一个CUDA程序可以在不同版本的CUDA平台上正常运行。API兼容性主要由主版本号和次版本号决定：

• 如果一个CUDA程序使用的CUDA版本与系统安装的CUDA版本在主版本号和次版本号上一致，则该程序可以正常运行；
• 如果一个CUDA程序使用的CUDA版本的主版本号高于系统安装的CUDA版本的主版本号，则该程序可能无法正常运行；
• 如果一个CUDA程序使用的CUDA版本的主版本号低于系统安装的CUDA版本的主版本号，但次版本号高于或等于系统安装的CUDA版本的次版本号，则该程序可以正常运行；
• 如果一个CUDA程序使用的CUDA版本的主版本号低于系统安装的CUDA版本的主版本号，且次版本号低于系统安装的CUDA版本的次版本号，则该程序可能无法正常运行。

3.3. ABI兼容性

ABI兼容性是指一个CUDA程序的二进制文件可以在不同版本的CUDA平台上正常运行。ABI兼容性主要由修订版本号决定：

• 如果一个CUDA程序使用的CUDA版本与系统安装的CUDA版本在修订版本号上一致或更低，则该程序可以正常运行；
• 如果一个CUDA程序使用的CUDA版本的修订版本号高于系统安装的CUDA版本的修订版本号，则该程序可能无法正常运行。

3.4. 示例：检查CUDA版本

要检查CUDA版本，我们可以使用以下方法：

• 查看CUDA运行时库的版本：cat /usr/local/cuda/version.txt；
• 查看CUDA编译器的版本：nvcc --version；
• 查看CUDA驱动的版本：nvidia-smi；
• 在CUDA程序中获取版本信息：

#include <iostream>
#include <cuda_runtime.h>

int main() {
    
    
    int runtime_version = 0;
    int driver_version = 0;
    cudaRuntimeGetVersion(&runtime_version);
    cudaDriverGetVersion(&driver_version);
    std::cout << "CUDA Runtime Version: " << runtime_version << std::endl;
    std::cout << "CUDA Driver Version: " << driver_version << std::endl;
    return 0;
}

4. Compute Modes

CUDA支持多种计算模式，用于控制设备的访问权限。计算模式分为以下几种：

• Default（默认）：设备可以被多个线程和多个上下文（Context）同时访问；
• Exclusive Process（独占进程）：设备只能被一个进程访问，但可以被多个线程和多个上下文同时访问；
• Prohibited（禁止）：设备不能被任何线程或上下文访问。

在本节中，我们将详细介绍CUDA计算模式的概念和实践。以下是本节的内容概述：

• 计算模式简介
• 示例：设置计算模式
• 示例：查询计算模式

4.1. 计算模式简介

计算模式是一种用于控制CUDA设备访问权限的机制。通过设置计算模式，我们可以控制设备在多个线程和多个上下文之间的共享行为。以下是计算模式的详细介绍：

• Default（默认）：设备可以被多个线程和多个上下文同时访问。这种模式适用于大多数情况，因为它允许多个CUDA程序并行运行；
• Exclusive Process（独占进程）：设备只能被一个进程访问，但可以被多个线程和多个上下文同时访问。这种模式适用于需要独占设备资源的高性能计算场景；
• Prohibited（禁止）：设备不能被任何线程或上下文访问。这种模式适用于需要禁用CUDA设备的安全或节能场景。

4.2. 示例：设置计算模式

要设置计算模式，我们可以使用以下方法：

• 在CUDA程序中设置计算模式：

#include <iostream>
#include <cuda_runtime.h>

int main() {
    
    
    int device = 0;
    cudaSetDevice(device);

    // 设置计算模式为独占进程
    cudaError_t err = cudaDeviceSetSharedMemConfig(cudaComputeModeExclusiveProcess);
    if (err != cudaSuccess) {
    
    
        std::cerr << "Failed to set compute mode: " << cudaGetErrorString(err) << std::endl;
        return 1;
    }

    // ...执行其他CUDA操作...

    return 0;
}

• 使用nvidia-smi命令行工具设置计算模式：

# 设置设备0的计算模式为独占进程
nvidia-smi -i 0 -c EXCLUSIVE_PROCESS

4.3. 示例：查询计算模式

要查询计算模式，我们可以使用以下方法：

• 在CUDA程序中查询计算模式：

#include <iostream>
#include <cuda_runtime.h>

int main() {
    
    
    int device = 0;
    cudaSetDevice(device);

    // 获取计算模式
    cudaComputeMode compute_mode;
    cudaDeviceProp device_prop;
    cudaGetDeviceProperties(&device_prop, device);
    compute_mode = device_prop.computeMode;

    // 打印计算模式
    switch (compute_mode) {
    
    
        case cudaComputeModeDefault:
            std::cout << "Compute mode: Default" << std::endl;
            break;
        case cudaComputeModeExclusiveProcess:
            std::cout << "Compute mode: Exclusive Process" << std::endl;
            break;
        case cudaComputeModeProhibited:
            std::cout << "Compute mode: Prohibited" << std::endl;
            break;
        default:
            std::cerr << "Unknown compute mode" << std::endl;
            return 1;
    }

    return 0;
}

• 使用nvidia-smi命令行工具查询计算模式：

# 查询设备0的计算模式
nvidia-smi -i 0 --query-gpu=compute_mode --format=csv

5. Mode Switches

CUDA的模式切换功能允许用户在系统运行时切换计算模式。模式切换通过nvidia-smi命令行工具实现，用户可以根据需要随时切换计算模式。

以下是一个模式切换的示例：

1. 查看当前计算模式：

nvidia-smi -i 0 --query-gpu=compute_mode --format=csv

2. 将计算模式切换为独占进程：

nvidia-smi -i 0 -c EXCLUSIVE_PROCESS

3. 验证计算模式已更改：

nvidia-smi -i 0 --query-gpu=compute_mode --format=csv

需要注意的是，模式切换可能会影响正在运行的CUDA程序。在切换计算模式之前，请确保所有相关程序已关闭。

6. Tesla Compute Cluster Mode for Windows

Tesla计算集群模式（Tesla Compute Cluster Mode，简称TCC模式）是NVIDIA为Windows平台提供的一种高性能计算模式。TCC模式旨在提高Tesla GPU在高性能计算场景中的性能和稳定性，包括以下特性：

• 优化的内存传输性能；
• 支持大内存分页；
• 支持Peer-to-Peer内存传输；
• 更低的内核启动延迟；
• 系统管理中断（SMI）隔离。

要启用TCC模式，用户需要使用NVIDIA控制面板或nvidia-smi命令行工具。启用TCC模式后，Tesla GPU将作为专用计算设备运行，无法用于图形显示。

需要注意的是，TCC模式仅适用于Windows平台上的Tesla GPU。其他平台和GPU系列不受影响。