Compiler construction 用CUDA构建自动并行计算库

在我最后一年的项目中，我选择构建一个库，开发人员可以使用该库使用CUDA进行GPGPU计算，而无需了解CUDA API（换句话说，CUDA包装器）的不同内核实现背后的机制。此库可能类似于openMP库。对于那些不熟悉openMP的人来说，它是一个API，支持C语言中的多平台共享内存多处理编程，其中数据布局和分解由指令自动处理。例如，API将每个代码块并行化：

 long sum = 0, loc_sum = 0;
 /*forks off the threads and starts the work-sharing construct*/
 #pragma omp parallel for private(w,loc_sum) schedule(static,1) 
 {
   for(i = 0; i < N; i++)
     {
       w = i*i;
       loc_sum = loc_sum + w*a[i];
     }
   #pragma omp critical
   sum = sum + loc_sum;
 }
 printf("\n %li",sum);

long sum=0，loc_sum=0；
/*分叉线程并启动工作共享构造*/
#pragma omp并行专用（w，loc_sum）计划表（静态，1）
{
对于（i=0；i

在我的例子中，我希望在GPU上为CUDA并行计算实现相同的功能。因此，我需要构建一组影响运行时行为的编译器指令、库例程和环境变量。CUDA中的每个调用都必须对程序员隐藏

由于CUDA是一种SIMD体系结构，我知道有很多因素需要考虑，特别是迭代之间的依赖性。但现在我认为程序员知道GPU计算的局限性

现在，我需要你的帮助。有谁能给我一些关于从哪里开始建立这样一个图书馆的建议吗？还有，有谁有好的教程可以帮助我处理编译器指令或环境变量吗？或者，是否有人知道有任何其他库可以执行类似的任务，并且我可以从中获得良好的文档

---

最重要的是，你认为这是一个可以在1200小时内完成的项目吗？我对GPGPU和CUDA已经有点熟悉了，但是构建这样一个库对我来说是新的。

这有点主观，但这听起来像是一个非常具有挑战性的项目。要将问题组织得足够好，以使从主机到gpu的数据传输获得回报，需要相当多的思考和计划，而且只对问题的一个子集有意义

---

对于做类似事情的现有项目，有一些简单的包装器，如和，包装一些GPU功能，如matrix math。也许最接近的是，它专注于相当数学的计算，但它很好地抽象了GPU组件。

与其说是编写库，不如说是重写编译器的一部分。首先，GCC和visualstudio都不允许您定义自己的pragma，您需要很好地使用内置优化器

老实说，在我看来，实际的GPGPU部分是最简单的部分

---

如果您想了解他们是如何在GCC中实现OpenMP的，我建议您查看历史记录。

谢谢。今天早上我和一位同事进行了同样的讨论。在定义新的pragma时，似乎没有简单的方法。因此，我决定编写一个python脚本，该脚本将在编译之前执行，以生成cuda代码。我想我不会用#pragma，而是用@cuda.谢谢你的快速回答。我知道这个项目很有挑战性，这就是为什么我想从一个幼稚的一代做起。我会看看你给我的不同包装纸来帮助我。OpenACC怎么了？