文章目录
VS2017 CUDA编程学习1：CUDA编程两变量加法运算
VS2017 CUDA编程学习2：在GPU上执行线程
VS2017 CUDA编程学习3：CUDA获取设备上属性信息
VS2017 CUDA编程学习4：CUDA并行处理初探 - 向量加法实现
VS2017 CUDA编程学习5：CUDA并行执行-线程
前言
今天又复习了下GPU存储器架构，这里做下笔记以此来加深印象并分享给大家，希望能对大家有帮助。
1. GPU存储器架构
GPU存储器空间按照层次结构分为不同组块，包括全局内存、共享内存、本地内存、寄存器组、常量内存和纹理内存。
每个线程有自己的寄存器堆和本地内存，线程中数据一般先存储在寄存器堆上，当寄存器堆上装满了，才会存储在本地内存，一般本地内存访问速度比寄存器堆要慢，可以通过L1缓存加快本地内存的访问速度。一般一个块有多个线程，每个块中都有一个L1缓存和共享内存，块中所有线程都可以访问共享内存中的数据。
全局内存的访问速度是最慢的，寄存器堆的访问速度是最快的，全局内存可被所有块和块中线程访问，可以通过L2缓存来提升全局内存的访问速度。全局内存可以通过cudaMalloc()函数来分配。
常量内存用来存储常量和内核参数之类的只读数据，纹理内存不太理解存储的是啥，书中说是可以利用各种2D和3D的访问模式，不懂，后面搞懂了在分享给大家吧。
从上面的介绍以及对CPU有了解的同学应该知道，存储器访问是程序快速执行的最大瓶颈，这个问题不仅在CPU中存在，在GPU中同样存在。
总结
GPU存储器架构的知识就介绍这么多，如果有误，欢迎指正，谢谢大家
学习资料
《基于GPU加速的计算机视觉编程》