CUDA并行编程期末考试试题及详细答案

CUDA并行编程期末考试试题及详细答案适用对象：计算机、人工智能、嵌入式相关专业本科生/研究生考试时长：90分钟满分：100分说明：试题侧重基础原理、工程实操、易错知识点，无偏题怪题，贴合实际GPU开发场景一、单项选择题（共10题，每题3分，共30分）1.CUDA程序中，主机（Host）指的是？A.GPU设备B.CPU及内存系统C.显存控制器D.流处理器核心2.以下不属于CUDA设备端（Device）特性的是？A.拥有独立显存B.擅长大规模并行计算C.适合复杂逻辑分支、串行流程D.线程调度由硬件自动完成3.CUDA线程层级的正确嵌套关系是？A.线程块→线程束→线程格→线程B.线程格→线程块→线程束→线程C.线程束→线程块→线程格→线程D.线程格→线程束→线程块→线程4.一个标准CUDA线程束（Warp）包含多少个线程？A.16B.32C.64D.1285.以下CUDA内存中，读写速度最快的是？A.全局内存（GlobalMemory）B.共享内存（SharedMemory）C.常量内存（ConstantMemory）D.显存6.__global__修饰符的作用是？A.声明主机端调用、主机端执行的函数B.声明设备端调用、设备端执行的函数C.声明主机调用、设备执行的核函数D.声明全局变量7.CUDA核函数调用语法中，<<<grid,block>>>的作用是？A.传递函数参数B.定义线程网格和线程块的维度配置C.开启内存同步D.设定数据传输方向8.解决CUDA线程束分化（WarpDivergence）的核心目的是？A.减少显存占用B.提升数据传输速度C.避免同一线程束内线程执行不同分支，降低性能损耗D.实现线程同步9.__syncthreads()函数的作用是？A.全局所有线程同步B.同一个线程块内所有线程执行同步，等待全部线程到达该位置再继续执行C.线程束内线程同步D.主机与设备同步10.以下哪种数据传输方式效率最高？A.频繁小块CPU↔GPU数据拷贝B.一次性批量传输大块数据C.串行逐字节传输D.线程内单独调用拷贝函数二、填空题（共5空，每空2分，共10分）1.CUDA程序的执行流程分为三步：数据初始化、__________、__________、结果回拷与内存释放。2.CUDA中，__________内存是每个线程块独占、线程块内共享，线程块销毁后数据失效。3.核函数中，__________用于获取当前线程在线程块内的局部ID。4.GPU运算性能瓶颈主要分为两类：计算瓶颈和__________瓶颈。三、简答题（共4题，每题8分，共32分）1.简述CUDA主机与设备的核心区别，以及数据必须相互拷贝的原因。2.详细说明线程束分化的产生原因、性能危害，以及2种常用规避方法。3.对比CUDA共享内存与全局内存的特性、速度、生命周期、适用场景。4.简述CUDA程序中内存泄漏的常见原因及规避手段。四、编程应用题（共2题，每题14分，共28分）1.向量加法CUDA实现需求：给定两个长度为N的浮点数组A、B，实现GPU并行向量加法C=A+B。要求：（1）完整实现主机内存初始化、显存分配、数据拷贝、核函数、结果回拷、内存释放；（2）配置合理的grid和block维度；（3）增加基础错误检测。2.数组元素求最大值需求：利用共享内存+归并思想，实现GPU并行查找一维数组的最大值，写出核心核函数及调用逻辑。详细参考答案一、单项选择题答案及解析1.B解析：Host指CPU端，包含CPU、主机内存；Device为GPU设备及显存。2.C解析：GPU适合简单、重复、大规模并行计算，不擅长复杂分支、递归、串行逻辑。3.B解析：CUDA层级从大到小：Grid（线程格）→Block（线程块）→Warp（线程束）→Thread（线程）。4.B解析：所有主流CUDA设备的线程束固定为32个线程，是GPU硬件调度的最小单位。5.B解析：内存速度排序：共享内存>常量内存>全局内存（显存）。共享内存为片上内存，速度极快。6.C解析：__global__：主机调用、设备执行；__device__：设备调用、设备执行；__host__：主机调用、主机执行。7.B解析：<<<grid,block>>>是核函数的线程配置符，用于指定线程网格和线程块维度。8.C解析：同一线程束内线程执行不同if/else分支时，GPU会串行执行所有分支，大幅降低并行效率，即线程束分化。9.B解析：__syncthreads()仅实现单个线程块内线程同步，无法跨线程块同步。10.B解析：CPU与GPU的数据传输存在固定开销，频繁小块拷贝的开销远大于计算开销，批量大块传输效率最高。二、填空题答案1.数据拷贝至显存、GPU核函数并行计算2.共享（Shared）3.threadIdx.x4.访存（数据传输）三、简答题参考答案1.主机与设备核心区别及数据拷贝原因核心区别：主机（CPU）是通用计算核心，擅长复杂逻辑、分支判断、串行任务、系统调度；设备（GPU）是众核并行架构，核心数量多，擅长简单重复的大规模并行计算，逻辑处理能力弱。两者拥有独立的内存空间，主机内存和显存物理隔离。拷贝原因：GPU无法直接读取CPU主机内存的数据，CPU也无法直接访问显存数据，所有参与GPU计算的数据，必须先从主机内存拷贝到显存，计算完成后再拷贝回主机内存，才能被CPU读取使用。2.线程束分化的成因、危害及解决方法产生原因：GPU以32线程为一个线程束调度，当同一个线程束内的线程执行不同的分支逻辑（如if-else判断中，部分线程进入if、部分进入else），就会产生线程束分化。性能危害：正常情况下一个线程束32线程并行执行；出现分化后，硬件会串行执行各个分支，极大降低并行利用率，导致程序运行速度大幅下降。常用规避方法：（1）优化分支逻辑，保证同一个线程束内的线程执行相同代码分支；（2）将分支判断逻辑尽量提前到主机端处理，减少设备端分支；（3）使用无分支的数学运算替代if-else判断。3.共享内存与全局内存对比（1）速度：共享内存是片上高速内存，读写速度远超全局内存；全局内存为显存，访存延迟高、速度慢。（2）生命周期：共享内存仅在当前线程块执行期间有效，线程块销毁后数据丢失；全局内存数据在整个核函数执行周期内有效，可跨线程块访问。（3）访问权限：共享内存为线程块内所有线程共享，块外线程无法访问；全局内存为所有GPU线程均可访问。（4）适用场景：共享内存适用于线程块内数据复用、数据缓存、归并计算；全局内存适用于大规模数据存储、全局数据读写。4.CUDA内存泄漏原因及规避手段常见原因：（1）使用cudaMalloc分配显存后，未调用cudaFree释放；（2）程序异常提前退出，跳过内存释放代码；（3）重复分配显存，未释放旧内存。规避手段：（1）遵循“先分配、后释放，一一对应”的编码规范；（2）增加错误检测，无论程序是否正常结束，都执行显存释放操作；（3）避免循环内重复分配显存，可提前一次性分配。四、编程应用题参考答案1.向量加法完整代码cpp

#include<cuda_runtime.h>

#include<iostream>

//向量加法核函数

__global__voidvecAdd(float*A,float*B,float*C,intN)

{

//计算全局线程ID

intidx=blockIdx.x*blockDim.x+threadIdx.x;

if(idx<N)

{

C[idx]=A[idx]+B[idx];

}

}

intmain()

{

//1.定义数据长度

intN=1024;

intsize=N*sizeof(float);

//2.主机内存分配与初始化

float*h_A=(float*)malloc(size);

float*h_B=(float*)malloc(size);

float*h_C=(float*)malloc(size);

for(inti=0;i<N;i++)

{

h_A[i]=1.0f;

h_B[i]=2.0f;

}

//3.设备显存分配

float*d_A,*d_B,*d_C;

cudaMalloc((void**)&d_A,size);

cudaMalloc((void**)&d_B,size);

cudaMalloc((void**)&d_C,size);

//4.数据从主机拷贝到设备

cudaMemcpy(d_A,h_A,size,cudaMemcpyHostToDevice);

cudaMemcpy(d_B,h_B,size,cudaMemcpyHostToDevice);

//5.配置线程维度并调用核函数

intblockSize=256;

intgridSize=(N+blockSize-1)/blockSize;//向上取整

vecAdd<<<gridSize,blockSize>>>(d_A,d_B,d_C,N);

//错误检测

cudaError_terr=cudaGetLastError();

if(err!=cudaSuccess)

{

std::cout<<"核函数执行错误："<<cudaGetErrorString(err)<<std::endl;

return-1;

}

//6.结果回拷到主机

cudaMemcpy(h_C,d_C,size,cudaMemcpyDeviceToHost);

//验证结果（可选）

boolok=true;

for(inti=0;i<N;i++)

{

if(h_C[i]!=3.0f)

{

ok=false;

break;

}

}

std::cout<<(ok?"计算成功":"计算出错")<<std::endl;

//7.内存释放

cudaFree(d_A);

cudaFree(d_B);

cudaFree(d_C);

free(h_A);

free(h_B);

free(h_C);

return0;

}2.共享内存归并求数组最大值（核心代码）cpp

#include<cuda_runtime.h>

#include<iostream>

//归并求最大值核函数

__global__voidmaxReduce(float*in,float*out,intN)

{

//定义共享内存

__shared__floatsmem[256];

inttid=threadIdx.x;

intidx=blockIdx.x*blockDim.x+tid;

//数据加载到共享内存

smem[tid]=(idx<N)?in[idx]:-1e8;

__syncthreads();

//归并迭代

for(ints=blockDim.x/2;s>0;s>>=1)

{

if(tid<s)

{

smem[tid]=max(smem[tid],smem[tid+s]);

}

__syncthreads();

}

//每个线程块输出一个最大值

if(tid==0)

{

out[blockIdx.x]=smem[0];

}

}

//主机调用逻辑

voidgetMax(float*h_in,intN)

{

float*d_in,*d_out;

intblockSize=256;

intgridSize=(N+blockSize-1)/blockSize;

float*h_out=(float*)malloc(gridSize*sizeof(float));

cudaMalloc((void**)&d_in,N*sizeof(float));

cudaMalloc((void**)&d