NVIDIACUDA编程模型允许灵活地配置grid和block，使程序能够在不同规模和结构上运行。CUDA中的grid可以是1、2或3维的，block也可以是1、2或3维的。这意味着存在多种可能的组合，每种组合都会影响最终线程的编号计算。下表展示了所有可能的grid和block组合，并描述了

  本文主要通过例子介绍了CUDA异构编程模型，需要说明的是Grid、Block和Thread都是逻辑结构，不是物理结构。实现例子代码参考文献[2]，只需要把相应章节对应的CMakeLists.txt文件拷贝到CMake项目根目录下面即可运行。1.Grid、Block和Thread间的关系  GPU中最重要的2种内存是全局

threadID的计算方式，简单来说很像小学学的除法公式，本文转载自同学一篇博客；并进行简单修改；被除数=除数*商+余数用公式表示：$$线程Id=blockId*blockSize+threadId$$blockId：当前block在grid中的坐标（可能是1维到3维）blockSize：block的大小，描述其中含有多少个thr

核函数作用调用核函数的时候，代码会被N个CUDA线程执行N次。 修饰符__global__返回值函数名(){  ...执行代码} 调用函数名<<<BlockNumber,ThreadNumber>>>()

environment:neofetch&&uname-a|lolcatinstallnvidiaGPUdriver:sudoadd-apt-repositoryppa:graphics-drivers/ppa#加入官方ppa源sudoaptupdate#检查软件包

threadIdx是threadindex线程索引缩写blockIdx是blockindex块索引缩写blockDim是block dimension块维度缩写gridDim是grid dimension网格纬度缩写使用可参考cud