1、函数执行空间标识符

• 用__global__修饰的函数称为核函数，般由主机调用,在设备中执行。如果使用动态并行，则也可以在核函数中调用自己或其他核函数。
• 用__device__修饰的函数称为设备函数，只能被核函数或其他设备函数调用，在设备中执行。
• 用__host__修饰的函数就是主机端的普通C++函数，在主机中被调用，在主机中执行。对于主机端的函数，该修饰符可省略。之所以提供这样一个修饰符，是因为有时可以用__host__和__device__同时修饰—个函数，使得该函数既是一个C++中的普通函数，又是—个设备函数。这样做可以减少冗余代码。编译器将针对主机和设备分别编译该函数。
• 不能同时用__device__和__global__修饰—个函数，即不能将—个函数同时定义为设备函数和核函数。
• 也不能同时用__host__和__global__修饰一个函数，即不能将—个函数同时定义为主机函数和核函数。
• 编译器决定把设备函数当作内联函数（inline function）或非内联函数，但可以用修饰符__noinline__建议—个设备函数为非内联函数（编译器不一定接受），也可以用修饰符__forceinline__建议一个设备函数为内联函数。

2、网格与线程块大小的限制

        CUDA 中对能够定义的网格大小和线程块大小做了限制。对任何从开普勒到安培架构 的 GPU 来说

        网格大小（gridDim）：

• x： 
• y：65535
• z：65535

        线程块大小（blockDim）：

• x：1024
• y：1024
• z：64

        另外，还要求线程块总的大小，即 blockDim.x、blockDim.y 和 blockDim.z 的乘积不能大于1024。也就是说，不管如何定义，一个线程块最多只能有1024个线程。这些限制是必须牢记的。如果超过1024个线程核函数是不起作用的。

3、编译

        在将源代码编译为PTX代码时，需要用选项-arch=compute_XY指定—个虚拟架构的计算能力，用以确定代码中能够使用的CUDA功能。在将PTX代码编译为cubin代码时，需要用选项-code=sm_ZW指定一个真实架构的计算能力，用以确定可执行文件能够使用的GPU。真实架构的计算能力必须等于或者大于虚拟架构的计算能力。

例如：

        用选项

        -gencode arch＝compute_35,code＝sm35

        -gencode arch＝compute_50,code＝sm50

        -gencode arch＝compute_60,code＝sm60

        -gencode arch＝compute_70,code＝sm70

        编译出来的可执行文件将包含4个二进制版本，分别对应开普勒架构（不包含比较老的3.0和3.2的计算能力）、麦克斯韦架构、帕斯卡架构和伏特架构。这样的可执行文件称为胖二进制文件（fatbinary）。在不同架构的GPU中运行时会自动选择对应的二进制版本。需要注意的是，上述编译选项假定所使用的CUDA版本支持7.0的计算能力，也就是说，至少是CUDA9.0。如果在编译选项中指定了不被支持的计算能力，编译器会报错。另外，需要注意的是，过多地指定计算能力，会增加编译时间和可执行文件的大小。

        nvcc有一种称为即时编译（just-in_time compilation）的机制，可以在运行可执行文件时从其中保留的PTX代码临时编译出一个cubin目标代码。要在可执行 文件中保留（或者说嵌入）一个这样的PTX代码。就必须用如下方式指定所保留PTX代码的虚拟架构：

-gencode arch＝compute_XY,code＝compute_XY

这里的两个计算能力都是虚拟架构的计算能力，必须完全一致。

        例如，假如我们处于只 有 CUDA 8.0 的年代（不支持伏特架构），但希望编译出的二进制版本适用于尽可能多 的 GPU，则可以用如下的编译选项：

        -gencode arch=compute_35,code=sm_35

        -gencode arch=compute_50,code=sm_50

        -gencode arch=compute_60,code=sm_60

        -gencode arch=compute_60,code=compute_60

        其中，前三行的选项分别对应 3 个真实架构的 cubin 目标代码，第四行的选项对应保留 的 PTX 代码。这样编译出来的可执行文件可以直接在伏特架构的 GPU 中运行，只不过 不一定能充分利用伏特架构的硬件功能。在伏特架构的 GPU 中运行时，会根据虚拟架构 为 6.0 的 PTX 代码即时地编译出一个适用于当前 GPU 的目标代码。

        在学习 CUDA 编程时，有一个简化的编译选项可以使用：

        -arch=sm_XY

它等价于

        -gencode arch=compute_XY,code=sm_XY

        -gencode arch=compute_XY,code=compute_X