一、線程模型：Grid、Block、Thread概念

?1. 層級定義?

• ?Thread（線程）?
  CUDA中最基本的執行單元，對應GPU的單個CUDA核心（SP）。每個線程獨立執行核函數指令，擁有獨立的寄存器和局部內存空間?。

• ?Block（線程塊）?
  由多個線程組成（通常為32的倍數），是邏輯上的并行單元。同一Block內的線程可通過共享內存（Shared Memory）協作，并支持同步操作（如__syncthreads()）。一個Block內的線程會被劃分為多個?Warp?（32線程為一組，以SIMT方式執行）?。

• ?Grid（網格）?
  由多個Block構成，代表完整的核函數執行空間。Grid內的Block可分配到不同SM（流多處理器）上并行執行，但不同Block之間無法直接通信?。

?2. 維度與索引?

• ?維度定義?
  Grid和Block均支持一維、二維或三維結構。例如，處理圖像時常用二維Block（如16x16線程）?

• 魔方圖

二、索引計算

• ?全局索引?：通過blockIdx（Block在Grid中的位置）、threadIdx（線程在Block中的位置）和blockDim（Block維度）計算全局位置。例如：

  int global_x = blockIdx.x * blockDim.x + threadIdx.x; // 一維示例

• // 二維示例（如圖像處理）
  int x = blockIdx.x * blockDim.x + threadIdx.x;
  int y = blockIdx.y * blockDim.y + threadIdx.y;

  blockIdx：線程塊在對應 grid 中的編號。
  threadIdx：線程在對應線程塊中的編號。
  兩者都是uint3向量類型，包含 x, y, z 三個 uint 成員。

  gridDim：grid 的維度，即每一維的 block 數量。對應調用 kernel 時的 gridSize。
  blockDim：block 的維度，即每一維的 thread 數量。對應調用 kernel 時的 blockSize。
  兩者都是dim3向量類型，包含 x, y, z 三個 uint 成員。

  例：

  gridDim.x：當前 grid 中線程塊的數量（一維）/