#include <stdio.h> #include <cuda.h> // Kernel that executes on the CUDA device __global__ void square_array(float *a, int N) { int idx = blockIdx.x * blockDim.x + threadIdx.x; if (idx<N) a[idx] = a[idx] * a[idx]; } int main() { float *a_h, *a_d; // Pointer to host & device arrays const int N = 10; // Number of elements in arrays size_t size = N * sizeof(float); a_h = (float *)malloc(size); // Allocate array on host cudaMalloc((void **) &a_d, size); // Allocate array on device // Initialize host array and copy it to CUDA device for (int i=0; i<N; i++) a_h[i] = (float)i; cudaMemcpy(a_d, a_h, size, cudaMemcpyHostToDevice); // Do calculation on device: int block_size = 32; int n_blocks = N/block_size + (N%block_size == 0 ? 0:1); square_array <<< n_blocks, block_size >>> (a_d, N); // Retrieve result from device and store it in host array cudaMemcpy(a_h, a_d, sizeof(float)*N, cudaMemcpyDeviceToHost); // Print results for (int i=0; i<N; i++) printf("%d %f\n", i, a_h[i]); // Cleanup free(a_h); cudaFree(a_d); return 0; }

这段代码是一个简单的 CUDA 程序，它使用 GPU 加速了一个数组元素的平方计算。程序首先在 CPU 上分配了一个大小为 N 的浮点数数组 a_h，并初始化为 0 到 N-1 的整数。然后，它在 GPU 上分配了一个与 a_h 相同大小的浮点数数组 a_d，并将 a_h 的数据复制到 a_d。接下来，程序定义了一个名为 square_array 的 GPU 内核函数，该函数将执行实际的计算。此内核函数采用两个参数：指向 a_d 数组的指针和数组大小 N。在内核函数中，每个线程根据其在线程块中的索引和线程块的索引计算其在 a_d 数组中的索引，并将该位置的元素平方。最后，程序从 GPU 将计算结果复制回 a_h 数组，并打印出所有元素的平方值。

值得注意的是，要使用 CUDA 进行 GPU 编程，需要安装 CUDA 工具包并使用适当的编译器和链接器来构建程序。此外，还需要理解 GPU 内核函数和线程块之间的映射关系，以及如何管理内存和数据传输。