这些代码是为樊哲勇老师的书籍<<CUDA-Programming编程>>编写的示例代码。为了让CUDA初学者在python中更好的使用CUDA，本代码库应用了pycuda模块，构建了与书中使用C++编写的功能上一致的例子。
- 适用CUDA的显卡
- cuda 10.1，并已经配置环境变量
- python3.7 64位
- numpy模块 （安装方法:pip install numpy）
- pycuda模块 （安装方法:pip install pycuda）
- skcuda模块 （安装方法:pip install scikit-cuda）
- 注意：尚未在linux进行测试（即将完成）
本仓库中大部分代码与C++版的同名代码功能一致。具体详情请参考CUDA-Programming当中README.md相关内容的介绍。
没有代码
详细说明参考C++版代码
在python中使用CUDA无需额外的宏来捕捉异常。
详细说明参考C++版代码
pycuda关于同一设备内存相关内容尚属于实验功能，故暂时不做介绍。
pycuda使用CUDA标准库可以使用skcuda，该模块依赖pycuda实现了标准库的访问，具体使用方法不做介绍。
详细说明参考C++版代码
没有代码
由于使用Pycuda进行CPU端计算，效率相比C++进行CPU端计算速度缓慢约500倍。故暂时暂时不做介绍。
| 文件 | 内容 |
|---|---|
| Ar.py | 相当于main函数中的内容，它将调用其他自定义模块进行Ar的分子动力学模拟。 |
| material.py | Material类，原胞信息的检查与超晶胞操作。 |
| md.py | MolecularDynamics类，分子动力学模拟的准备工作与流程控制。 |
| GPU.py | Kernel类，核函数的编译，内存的分配，提供函数接口，程序浮点数精度的控制。 |
| Kernel.cu | 该文件非Python执行文件，CUDA的核函数均在此文件中，由Kernel类读取并编译为核函数。 |
pycuda关于同一设备内存相关内容尚属于实验功能，故暂时不做介绍。
该章代码特别为说明pycuda的使用而编写，在C++版本的代码中找不到对应的代码。
| 文件 | 内容 |
|---|---|
| add1.py | 使用gpuarray实现矩阵相加 |
| add2.py | 在核函数中使用gpuarray实现矩阵相加 |
| pointer.py | 在pycuda中进行指针偏移 |
| struct.py | 在核函数中使用结构体进行传参 |
| random.py | pycuda产生随机数数组 |
| define.py | 在核函数中使用宏 |
| function_0.py | GPUArray的基本运算 |
| function_1.py | GPUArray的基础函数 |
| function_2.py | gpuarray模块的一些函数 |
| function_3.py | gpuarray模块的元素级的数学函数 |