《GPU高性能运算之CUDA》勘误表

这是我们《GPU高性能运算之CUDA》一书的勘误表，多谢读者朋友的反馈与分享~~

 

 

 

1.        前言中的致谢部分：

讨论群中的陈国峰、

修改为：

讨论群中的刘伟峰、刘国峰、

2.        前言中的致谢部分：

以及NVIDIA深圳有限公司的Terrence Hong, Jerry Zhou,Jonny Qiu, Blues Yu, Jerry Jia, Donaven Chen, Sandy Zou等同事的支持；

修改为： 

以及NVIDIA深圳有限公司的Terence horng, Jerry Zhou,Johnny Qiu, Blues Yu, Jerry Jia, Donovan Chen, Sandy Zou等同事的支持；

3.        第3页

现代CPU的分支预测正确率已经达到了99%以上

修改为：

现代CPU的分支预测正确率已经达到了95%以上

4.        第19页代码中的：

"s_data[128] = A[bid *128　＋tid]"

修改为：

"s_data[tid] = A[bid *128　＋tid]"

5.        第30页

“整个grid中最多也只能定义65535个block"

修改为：

 “整个grid中最多能定义65535 * 65535个block"

 

”Db.x和Db.y最大值为512，Db.z最大为4“

修改为：

"Db.x和Db.y最大值为512，Db.z最大为64"

6.        第32页

gridDim。grid dimension，用于说明整个网格的维度与尺寸，与host端<<<>>>中的Ng相对应；gridDim.x，gridDim.y分别与Ng.x,Ng.y相等

修改为：

gridDim。grid dimension，用于说明整个网格的维度与尺寸，与host端<<<>>>中的Dg相对应；gridDim.x，gridDim.y分别与Dg.x,Dg.y相等

 

blockDim。block Dimension，用于说明每个block的维度与尺寸，与host端<<<>>>中的Nb对应；blockDim.x, blockDim.y, blockDim.z分别与Nb.x, Nb.y, Nb.z相等。

应为：

blockDim。block Dimension，用于说明每个block的维度与尺寸，与host端<<< >>>中的Db对应；blockDim.x，blockDim.y，blockDim.z分别与Db.x，Db.y，Db.z相等。

 

7.        第31页图2-8

右边的block标号应为(1,0)

见附件图

图2-8，图2-17

8.        第44页图2-17

右边的block标号应为(1,0)

见附件图

9.        第66页

“output[y * width + x] = tex2D[tex,tu, ty];”

修改为：

 “output[y * width + x] =tex2D[texRef, tu, ty];”

10.    第72页

执行__thradfence_block()、__threadfence()或__syncthreads()，

修改为：

执行__threadfence()、__threadfence_block()、或__syncthreads()，

11.    第80页

cudaStreamDestroy(&stream[i]);

修改为：

cudaStreamDestroy(stream[i]);

12.    第81页

 

For (int i = 0; i < 2; ++i)

 

cudamemcpyasync(inputdevptr + i * size, hostptr + i * size,size,cudamemcpyhosttodevice, stream);

For (int i = 0; i < 2; ++i)

 

mykernel<<<100, 512, 0, stream>>>(outputdevptr + i* size, inputdevptr + i * size, size);

For (int i = 0; i < 2; ++i)

 

cudamemcpyasync(hostptr + i * size, outputdevptr + i * size,size,cudamemcpydevicetohost, stream);

Cudathreadsynchronize();

 

修改为：

 

for (int i = 0; i < 2; ++i)

 

cudamemcpyasync(inputdevptr + i * size/sizeof(float), hostptr + i *size/sizeof(float) ,size, cudamemcpyhosttodevice, stream);

for (int i = 0; i < 2; ++i)

 

mykernel<<<100, 512, 0, stream>>>(outputdevptr + i* size, inputdevptr + i * size, size);

For (int i = 0; i < 2; ++i)

 

cudamemcpyasync(hostptr + i * size/sizeof(float), outputdevptr + i *size/sizeof(float),size, cudamemcpydevicetohost, stream);

Cudathreadsynchronize();

13.    第133页

关于增加active block和active warp数量优化程序性能的讨论，请见本书4.6.2、4.6.3和4.6.4节。

修改为：

关于增加active block和active warp数量优化程序性能的讨论，请见本书4.3.2节。

14.    第137页

       对图3-10的修改

图3-10 双发射时序示意图（不代表实际实现）

15.    第197页

“如果⊙为..”

修改为：

 “如果⊕为..”

16.    第238页 规则添加里的第（3）条

（3）重启VS环境。

修改为：

（3）在工程名上右键，选择custom build rules->Find Existing，选中cuda.rules，点击ok。

 

17.    作者简介

张舒，电子科技大学信息与通信工程专业硕士，现任NVIDIA深圳有限公司系统设计验证工程师，CUDA技术顾问。曾实现基于CUDA的神经网络、聚类分析、主分量分析等模式识别算法，以及信号仿真、密码破解、字符串匹配等应用。

褚艳利，西安电子科技大学计算机系硕士在读，从事高性能计算、模型验证、软件测试与自演化技术的研发工作，喜欢并精于算法设计与数据结构，多次参加ACM/ICPC程序设计大赛与数模竞赛。CUDA编程及优化经验丰富，GPU高性能计算技术推广者。

赵开勇，本科毕业于北京理工大学飞行器总体设计专业，曾任CCUR(美国并行计算机公司)亚太区技术支持，现就读于香港浸会大学计算机系，主要从事高性能计算与网络编码技术的研究。在CSDN论坛中担任CUDA和高性能计算两个板块的大版主，积极推广高性能计算。同时担任浪潮集团GPU高性能开发顾问，提供各种应用的GPU高性能计算解决方案。任2009年Nvidia CUDA校园程序设计大赛评委。http://www.hpctech.com网站创始人之一。

张钰勃，长期从事数值计算，计算流体力学，计算机图形学及可视化等领域的研究，拥有丰富的GPU并行计算经验。曾在浙江大学CAD&CG国家重点实验室参与国家973研究项目并在国内外会议期刊发表多篇优秀论文。本科与硕士分别毕业于浙江大学数学系和香港浸会大学数学系，现于加州大学戴维斯分校攻读计算机博士学位。