開發平台(Platform): (Ex: VC++, GCC, Linux, ...)
Linux , 顯卡 cuda compute capability: 1.3, CUDA 2.3版
額外使用到的函數庫(Library Used): (Ex: OpenGL, ...)
CUDA
問題(Question)：
最近因為要處理矩陣運算，所以開始研究CUDA，有看過一些精華區的教學文章了，
不過有些地方還不是很清楚，因此想請問版友下面的一些情況，
CPU和GPU的執行順序以及效能影響各會是如何?
Case 1. :
kernel_A<<<GridSize,BlockSize>>>(d_result1,d_arg1);
...CPU function1...
cudaThreadSynchronize();
kernel_B<<<GridSize,BlockSize>>>(d_result2,d_data1);
kernel_C<<<GridSize,BlockSize>>>(d_result2,d_data1);
...CPU function2...
Case 2. :
kernel_A<<<GridSize,BlockSize>>>(d_result1,d_arg1);
//複製kernel_A的結果(d_resut1)回CPU(result1)
cudaMemcpy(result1, d_result1, size, cudaMemcpyDeviceToHost);
...CPU function1(result1)...
預期的正確結果(Expected Output)：
這是我自己的想法，不曉得正不正確
Case 1. : CPU呼叫kernel_A後，自己不等GPU執行完kernel_A，
CPU直接繼續執行function1，直到cudaThreadSynchronize()，
確保kernel_A被執行完，接下來CPU連續呼叫kernel B和C，
一樣不等GPU是否執行完這兩個kernel，繼續直接執行function2，
而kernel B和C因為會使用相同的d_data1，可能因為同時執行而
互搶著向memory access data1，造成效能下降，且因為都會寫
data到d_result2，所以會有race condition。
Case 2. : CPU呼叫kernel_A後，自己不等GPU執行完kernel_A，
CPU直接繼續執行cudaMemcpy，但是因為cudaMemcpy的是kernel_A的結果，
所以CPU會等到kernel_A被執行完才複製結果回CPU端，
接下來CPU就執行function1。
綜合以上，我目前的想法是，CPU呼叫完kernel後，不會等kernel是否執行完，
除非 1.使用cudaThreadSynchronize() 2.使用cudaEventSynchronize
3.使用cudaMemcpy，且複製的資料需要是前面kernel所用的參數
這幾種情形才會強制讓CPU和GPU端同步，不曉得這樣理解是否正確@@?
補充說明(Supplement)：

GPU跟CPU的同步現在都是使用cudaDeviceSynchronizeThreadSynchronize似乎是比較舊的版本http://ppt.cc/5M1V然後kernelB和C會順序執行 除非你是用stream 但CPU依然跑下一個functionstream部分可以參考官方PDF http://ppt.cc/i2oe然後你說的除非3 cudaMemcpy我的理解應該是 你不是用Async的話，應該都是算是cpu的指令最近我也在用CUDA寫程式，不足的地方還請版友補充

<<<a,b>>>的呼叫法都是非同步的，不等做完就往下走GPU有自己的queue就是stream的意思，不寫都是預設的每個queue都會保證依序執行，所以kerenlBC是順序的做memcpy會保證queue執行完後才作複製的動作且CPU也會stall學CUDA建議直接看官方的說明書，CUDA的東西變化很快

了解，非常感謝Lepton版友解釋!!

你可以寫隻測試程式cuda kernel內可以printfkernel讓他跑個<<1,1>>然後裡面一個大迴圈在printf

喔喔，看了一下我的平台好像只能用cuPrintf，不過我會試看看，感謝!