将一个二维数组从cpu拷贝至gpu中

在CUDA编程中，将二维数组（也称为矩阵）从CPU复制到GPU通常涉及以下几个步骤：

1. 声明和初始化二维数组：首先，在CPU上创建一个二维数组并分配内存。

int *cpu_array[rows][cols];
for (int i = 0; i < rows; i++) {
    cpu_array[i] = malloc(cols * sizeof(int));
    // 初始化CPU数组元素
}

2. 创建设备内存：在GPU上也需要一块内存来存放数组。使用`cudaMalloc()`函数为GPU申请内存。

unsigned int device_id;
cudaGetDevice(&device_id);
size_t size = rows * cols * sizeof(int);
cudaDeviceptr dev_array;
cudaMalloc((void**)&dev_array, size);

3. 数据复制：使用`cudaMemcpy()`函数将数据从CPU数组复制到GPU设备内存。这里有两种主要的模式：hostToDevice（从主机到设备）和hostToHost（在主机之间）。

cudaMemcpy(dev_array, cpu_array[0], size, cudaMemcpyHostToDevice);
// 或者如果有多维数组，用cudaMemcpy3D代替
// cudaMemcpy3DParms params;
// params.srcPos = make_cuda玉石(srcPitch, srcYOffset, 0); // src offset
// params.dstPos = make_cuda玉石(dstPitch, dstYOffset, 0); // dst offset
// params.extent = make_cuda玉石(sizeBytes, rows, cols);
// cudaMemcpy3D(&params, 0, NULL, NULL, cudaMemcpyHostToDevice);

4. 操作GPU上的数据：在完成复制后，你可以安全地在GPU上处理这个数组，比如进行并行计算等。

5. 再次复制回CPU：如果你需要在计算完成后将结果带回CPU，可以使用同样的`cudaMemcpy()`调用来执行反向复制。但是，这通常是不必要的，除非你在GPU上修改了原始数据。

记得每次使用完设备内存时都要释放，否则可能导致内存泄漏：

cudaFree(dev_array);
for (int i = 0; i < rows; i++) {
    free(cpu_array[i]);
}