主要参考博文：
应用特点：GPU并行吞吐量大，适合大数据并行处理；CPU适合逻辑处理和串行计算，适合多任务并行处理；
GPU工作模式
1）CPU 具有独立的内存和寄存器,GPU也具有独立的显存和寄存器。CPU作为主控制器,CPU和 GPU 协同处理任务,GPU主要处理可以高度并行的数据处理任务,CPU则负责逻辑处理和串行计算相关任务。
2）GPU上的程序被称为内核函数,也叫kernel。kernel是并行执行的程序段。在一段程序中可以有多个内核函数,每个内核函数内部都是并行执行的,但是各个kernel之间确是是串行执行的,其中还可以穿插CPU代码段。
3）CUDA程序执行步骤:CPU完成初始化工作,将参与并行运算的数据拷贝到显存中,GPU上启动内核函数,在GPU上执行并行运算程序,GPU运算完成后将数据结果由显存传送回CPU内存。在程序设计中应尽量少使用分配内存,拷贝数据等涉及到CPU和 GPU 数据交换的这些命令。GPU的硬件特性使得block与block之间的通信很难,但是CUDA中的全局存储器允许多个GPU或者同一个GPU的多个block同时对一块存储空间进行访问。
GPU编程模型
1）CUDA中的基本逻辑执行单位:网格(grid)、线程块(block)、线程(thread)和线程组(warp )。
2）一个内核函数对应一个网格。一个网格中有多个block,block是内核函数执行的基本单位,线程块之间是无序并行执行的,并且不同的线程块之间是没办法相互通信的。
3）一个block可最多由512个线程构成。线程是CUDA编程模型中可以分配的最小单位,也是资源最终的持有者。每个线程都有独立的register和 local memory,同一个线程块的线程之间可以相互进行细粒度通信。
4）warp是 CUDA 程序运行时的实际执行单位。CUDA架构中一个warp由 32 个线程组成。
5）GPU编程有两个主要平台，一个是OpenCL，编程方式类似OpenGL的产业标准，还有另一个是为了C/C++ 的CUDA，在NVIDIA的GPU上编程。
补充：
grid：kernal函数的执行单元，一个kernal对应一个grid，grid内部是并行执行，gird之间通过cpu调度串行执行。
block：block是并行计算的基本单位，block之间无序并行执行：具体来说，每个SM控制多个block块，多个SM以warp为单位进行线程调度并行执行（warp是实际并行计算单位）
thread：最小的执行单元，实际资源的拥有者
可参考博客：
适用GPU场景
1. 内核中有很多并行线程的应用。
2. 对于线程间的数据交换都发生在kernel调度空间中的相邻线程之间的应用，因为这样就可以用到per-block shared memory。
3. 数据并行的应用，多个线程做相似工作，循环是数据并行的主要来源。
4. 做同步操作较少的应用。
不适合GPU场景
1. 并行度小的应用，如需要的线程数小于100个，那么使用GPU加速效果不明显。
2. 不规则的任务并行---尽管应用需要很多线程，但是这些线程都做不同的工作，那么GPU不能得到有效的利用。不过这也依赖于具体工作，多久对线程调度一次，加速的可能仍然存在。
3. 频繁的全局同步，这要求全局的barrier，带来很大性能开销。
4. 在线程之间，会出现随机的点对点同步的应用。GPU对这个的支持不好，通常需要在每次同步的时候做一个全局barrier，如果要利用GPU，最好重构算法避免出现这个问题。
5. 要求计算量（相比于数据传输量）少的应用。尽管在CPU+GPU计算结构中，GPU可以带来计算性能的提升，但是这些提升都被向GPU传输数据所消耗的实践覆盖了。举个例子，对于两个向量求和运算，如果非常大的向量的话，一般都选择在CPU上算，否则传输到GPU上的时间开销很大。
