博主自己学习，仅此记录，并方便学过c、已经配置好cuda的朋友交流学习。（我机子cuda9.0）

ok，记录一下gridIdx, blockIdx 和 threadIdx的区别和联系，因为使用add<<>>(args)时候难免要分线程，而且这块的理解也很关键。

这里，我们先讲一维情况，再说一下二维的情况

一维索引

int tid = threadIdx.x + blockIdx.x*blockDim.x;

 简单理解一下：

线程和线程块都是一维排列的，因为都是一维排列，所以都是.x的继承。具体用下图做个说明，blockIdx.x索引从线程块0~N-1，threadIdx.x从线程0到线程N-1，blockDim.x就是block在一维上的维度（图中是4）

 二维索引

借由《GPU高性能编程CUDA实战中文版》中一个图，分析二维情况  ，首先明确二维索引情况意义，为了每一个线程对应一个像素的运算，我们必须要知道这样一个映射函数：f（像素坐标，某一线程），这有点类似数据结构二维索引的感觉，像素坐标很简单（x, y）；线程如下索引，这个x，y对应图像的x, y。

int x = threadIdx.x + blockIdx.x * blockDim.x;
int y = threadIdx.y + blockIdx.y * blockDim.y;
int offset = x + y * blockDim.x * gridDim.x;

    offset 会这样排列

0

1

2

3

4

5

6

7

8

下面两个图方便理解线程，线程块，网格的关系。

下面的图是另一个博主那找的(该博客有些错误)，方便理解 https://blog.csdn.net/qq_34488063/article/details/52162454

参考：《cuda高性能并行计算》 

nvidia：https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html#introduction