Python与GPU编程快速入门（五）

文章目录 6、寄存器、全局内存和本地内存 6.1 寄存器 6.2 全局内存 6.3 本地内存 7、共享内存和同步 7.1 共享内存 7.2 线程同步 本文将详细介绍如何在Python中使用CUDA，从而使用Python应用程序加速。

6、寄存器、全局内存和本地内存

现在我们知道了如何编写 CUDA 内核以在 GPU 上运行代码，以及如何使用 CuPy 提供的 Python 接口来执行它，是时候看看 CUDA 编程模型中的不同内存空间了。

6.1 寄存器

寄存器是快速片上存储器，用于存储计算核心执行的操作的操作数。

我们在上一集使用的vector_add代码中是否遇到过寄存器？ 是的我们做了！ 事实上，变量项至少在线程执行的一部分（如果不是全部）中存储在寄存器中。 一般来说，CUDA 代码中定义的所有标量变量都存储在寄存器中。

寄存器对于线程来说是本地的，并且每个线程对其自己的寄存器具有独占访问权：寄存器中的值不能被其他线程访问，即使来自同一块，并且不可用于主机。 寄存器也不是永久的，因此存储在寄存器中的数据仅在线程