與cuda相關的幾個概念：thread，block，grid，warp，sp，sm。
sp: 小核（流處理器）最基本的處理單元，streaming processor 最後具體的指令和任務都是在sp上處理的。gpu進行平行計算，也就是很多個sp同時做處理
sm: 大核（流多處理器）多個sp加上其他的一些資源組成乙個sm, streaming multiprocessor. 其他資源也就是儲存資源，共享記憶體，寄儲器等。
warp：（執行緒束）gpu執行程式時的排程單位，一起執行。目前cuda的warp的大小為32，同在乙個warp的執行緒，以不同資料資源執行相同的指令。
grid、block、thread：在利用cuda進行程式設計時，乙個grid分為多個block，而乙個block分為多個thread.其中任務劃分到是否影響最後的執行效果。劃分的依據是任務特性和。
利用圖形api 和cuda進行gpu通用計算的效能區別？
利用圖形api需要把問題轉化為圖形學的變化；而cuda是c語言的擴充套件，比較適合做通用計算
gpu的指令和cpu指令的最大區別？
cpu需要執行os，不但要處理中斷，還要負責儲存器空間分配與**，cpu指令有很多都是操作特權暫存器；gpu目前還做不到這一點
你怎麼樣知道是否達到了gpu的理論加速倍數？怎麼計算？
通過成千上萬執行緒來隱藏訪問延遲
gpu架構的缺點？如果讓你設計，你會怎麼改進？
a.精度問題，b.程式設計模式不太靈活
gpu有通過成千上萬執行緒來隱藏訪問延遲，cpu也有隱藏訪問延遲的優化，最大的區別是什麼？
cpu的執行緒切換開銷是昂貴的，一般都是需要1000cycle而gpu的執行緒切換只有1個cycle
請你列舉出一些常用的優化方法
（執行緒束->執行緒塊）對於block和thread的分配問題，有這麼乙個技巧，每個block裡面的thread個數最好是32的倍數，因為，這樣可以讓執行緒束一起執行，計算效率更高，促進memory coalescing
（ 執行緒塊 ）乙個sm只會執行乙個block裡的warp，當該block裡warp執行完才會執行其他block裡的warp。進行劃分時，最好保證每個block裡的warp比較合理，那樣可以乙個sm可以交替執行裡面的warp，從而提高效率，此外，在分配block時，要根據gpu的sm個數，分配出合理的block數，讓gpu的sm都利用起來，提利用率。分配時，也要考慮到同乙個執行緒block的資源問題，不要出現對應的資源不夠。
（記憶體）共享記憶體的使用量也是影響occupancy的乙個重要因子，一塊大核擁有一塊共享記憶體。shared新增到變數宣告中，這將使這個變數駐留在共享記憶體中。在宣告共享記憶體變數後，執行緒塊中的每個執行緒都共享這塊記憶體，使得乙個執行緒塊中的多個執行緒能夠在計算上進行通訊和協作。
（記憶體）紋理快取是唯讀的記憶體，專門為記憶體訪問存在大量空間區域性性的設計，核函式需要特殊的函式告訴gpu讀取紋理記憶體而不是全域性記憶體。使用紋理記憶體，如果同乙個執行緒束內的thread的訪問位址很近的話，那麼效能更高。
一些常見的面試筆試題
問題1 構造和析構函式中的虛函式呼叫 答案 虛函式可以在建構函式和析構函式中呼叫，但虛函式此時是靜態繫結 而非動態繫結。問題2 c 中的異常可不可以是引用 答案 異常可以是引用，並且效率高。問題3 tcp狀態中的close wait是什麼狀態 答案 close wait狀態是被動關閉方的乙個狀態，此...
面試筆試遇到的一些題
sizeof 指標變數 大小為4個位元組 以32位計算機為例 也是，計算機位址32位，指標存的是記憶體位址，自然也要32位。堆和棧的區別 1 棧由程式自動分配，堆是程式設計師申請的，必須指明大小 2 程式結束，棧自動釋放，而堆還需要free或者delete，手動釋放 2 分配棧很快，只要剩餘空間足夠...
面試筆試中的一些知識點
1 new delete malloc free 記憶體洩漏是指堆記憶體 heap memory 的洩漏 memory leak 堆記憶體指程式從堆中分配的，大小任意的 記憶體塊的大小可以在程式執行期決定 使用完後必須顯式釋放的記憶體。應用程式一般使用malloc，realloc，new等函式從堆中...