现代 CMake 进阶指南 by 彭于斌（ @archibate ） 往期录播： https://www.bilibili.com/video/BV1fa411r7zp 课程 PPT 和代码： https://github.com/parallel101/course 为什么要学习现代 CMake ？ • 现代 CMake 指的是 CMake 3.x 。 • 古代 CMake 指的是 CMake

现代 CMake 模块化项目管理指南 彭于斌（ @archibate ） 课件 & 源码： https://github.com/parallel101/course 往期录播： https://space.bilibili.com/263032155 找不到头文 件怎么办呀 CMake Cookbook 小彭老师建议 : ~~-·~·~-·~ -~·-·~·- 第一章：文件 /

用于定义核函数，他在 GPU 上执行，从 CPU 端通过三重尖括号语法调 用，可以有参数，不可以有返回值。 • 而 __device__ 则用于定义设备函数，他在 GPU 上执行，但是从 GPU 上调用的，而 且不需要三重尖括号，和普通函数用起来一 样，可以有参数，有返回值。 • 即： host 可以调用 global ； global 可以调 用 device ； device 可以调用 device 上的函数。 同时定义在 CPU 和 GPU 上 • 通过 __host__ __device__ 这样的双重修 饰符，可以把函数同时定义在 CPU 和 GPU 上，这样 CPU 和 GPU 都可以调 用。 让 constexpr 函数自动变成 CPU 和 GPU 都可以调用 • 这样相当于把 constexpr 函数自动变成修饰 __host__ __device__ ，从而两边都可以调用。 比如这里设置了 RTX3000 系列的架构版 本号 86 ，在 RTX2080 上就运行不出结 果。 • 最坑的是他不会报错！也不输出任何东西 ！就像没有那个 kernel 一样！所以一定 要注意调对你的版本号。否则就会这样 kernel 好像没有执行过一样，只有 CPU 上的代码被执行了。 指定多个版本号 • 可以指定多个版本号，之间用分号分割。 • 运行时可以自动选择最适合当前显卡的版

tmp 对象的副本， 防止多线程调用 func 出错。 • 返回时（或者进入时）调用 tmp.clear() 清除已有数据。 由于 vector 的特性，他只会把 size() 标记为 0 并调 用其成员的解构函数，而不会实际释放内存（ free ）。 • 因此第二次进入的时候，如果 n 不超过上一次的大小 ，就还是用的第一次分配的内存，避免了重新分配的开 销。对 func 需要被重复调用的情况很实用。 了 ，毕竟 16 次加法远远没有超过 membound 的范畴， cpubound 我们已经仁至义尽地尽量 消除了。 • 如果单单采用手动预取，或者单单采用循环分块，那反而还会变慢。这就是性能调优中的一 大难点：某个改动可能对性能没有效果，甚至反而产生负面效果。然而有经验的优化人员会 知道，这不一定意味着这项改动是错的：有可能要配合多个改动一起上，才能有正面效果。 • 性能优化我们需要 blockSize 和 32 似乎一样了， 所以 xBase 也可以直接去掉了。 增加预取的提前量 • 预取的地址太靠近了，可能还是会让 CPU 陷入等待，无法隐藏计算的延迟。 • 再稍微往前调一点点试试看。 • 提前量不能太多，否则需要很大的缓存大 小，否则到时候读的太多又得赶到二级缓 存；也不能太少，否则等计算到那里的时 候数据来不及取出，导致延迟无法隐藏。 性能优化过山车：建议改成现代桃花源记

PPT 和代码： https://github.com/parallel101/course 本课涵盖：稀疏矩阵、 unordered_map 、空间稀 疏网格、位运算、浮点的二进制格式、内存带宽优 化 面向人群：图形学、 CFD 仿真、深度学习编程人 员 第 0 章：稀疏矩阵 稠密数组存储矩阵 用 foreach 包装一下枚举的过程 改用 map 来存储 分离 read/write/create 发现结果不对了……说明 int8_t 太小了（可以容纳 - 128 到 127 ），容纳不下 97*100 这么大的数，发生 了溢出导致结果错误。 试图解决：用 uint8_t 表示，定点数系数调小到 2 • 注意到我们的值始终是正数，因此可以用无符号的 uint8_t （可以容纳 0 到 255 ），然后把刚刚的系数 100 改小到 2 ，成功算对结果了，代价是精度损失了 不少。

• 爱思考：为什么这里 Func 为 4 字节 ？ lambda 表达式：如何避免用模板参数 • 虽然 这样可以让编译器对 每个不同的 lambda 生成一次，有助于优 化。 • 但是有时候我们希望通过头文件的方式分 离声明和实现，或者想加快编译，这时如 果再用 template class 作为参数就不行了 。 • 为了灵活性，可以用 std::function 语言的 API 比如 pthread 和 atexit 。 lambda + 模板：双倍快乐 • 可以将 lambda 表达式的参数声明为 auto ，声明为 auto 的参数会自动根据调 用者给的参数推导类型，基本上和 template 等价。 • auto const & 也是同理，等价于模板函数 的 T const & 。 • 带 auto 参数的

或"sleep delay"），再按下 【Resume Thread】。如果你选择¡ §for loop delay¡ ¨（图1-9a），你会看到执行线程0 （优 先权最高）几乎一路冲到底，然后才是执行线程1（优先权次之），然后是执行线程2（优 先权再次之）...。但如果你选择的¡ §sleep delay¡ ¨ （图1-9b），所有执行线程不分优先权高 低，同时行动。关于执行线程的排程问题，我将在第14 成员变量不属于对象的一部份，而是类别的一部份，所以程序可以在还没有诞生任 何对象的时候就处理此种成员变量。但首先你必须初始化它。 不要把static 成员变量的初始化动作安排在类别的构造式中，因为构造式可能一再被调 用，而变量的初值却只应该设定一次。也不要把初始化动作安排在头文件中，因为它可 能会被包含许多地方，因此也就可能被执行许多次。你应该在实作档中且类别以外的任 何位置设定其初值。例如在main 之中，或全域函数中，或任何函数之外： 会做调整，让资料的某一部份显示而某一部份隐藏。 让我做更详细的说明。「GDI 原点」是DC（注）的重要特征，许许多多CDC 成员函 式的绘图结果都会受它的影响。如果我们想在绘图之前（也就是进入OnDraw 之前）调 整DC ， 我们可以改写虚拟函数OnPrepareDC ， 因为Framework 是先调用 OnPrepareDC，然后才调用OnDraw 并把DC 传进去。好，窗口由无滚动条到增设滚动条的

即可实现同样效 果，就不需要手动写 padding 变量了。 那是不是所有结构体打上 alignas(16) 我的程序就会变快？ 错了，有可能不仅不变快，反而还变慢！ SIMD 和缓存行对齐只是性能优 化的一个点，又不是全部。还要考虑结构体变大会导致内存带宽的占用， 对缓存的占用等一系列连锁反应，总之，要根据实际情况选择优化方案。 结构体的内存布局： AOS 与 SOA • AOS （ Array

对于大顶堆（小顶堆），堆顶元素（即根节点）的值分别是最大（最小）的。 8.1.1 堆常用操作 需要指出的是，许多编程语言提供的是「优先队列 priority queue」，这是一种抽象数据结构，定义为具有优 先级排序的队列。 实际上，堆通常用作实现优先队列，大顶堆相当于元素按从大到小顺序出队的优先队列。从使用角度来看， 我们可以将“优先队列”和“堆”看作等价的数据结构。因此，本书对两者不做特别区分，统一使用“堆“来 285 即便如此，回溯算法仍然是某些搜索问题和约束满足问题的最佳解决方案。对于这些问题，由于无法预测哪 些选择可生成有效的解，因此我们必须对所有可能的选择进行遍历。在这种情况下，关键是如何进行效率优 化，常见的效率优化方法有两种。 ‧ 剪枝：避免搜索那些肯定不会产生解的路径，从而节省时间和空间。 ‧ 启发式搜索：在搜索过程中引入一些策略或者估计值，从而优先搜索最有可能产生有效解的路径。 13 所示，上述方法生成的排列有一半都是重复的。 第 13 章 回溯 hello‑algo.com 289 图 13‑7 重复排列 那么如何去除重复的排列呢？最直接地，考虑借助一个哈希表，直接对排列结果进行去重。然而这样做不够优 雅，因为生成重复排列的搜索分支是没有必要的，应当被提前识别并剪枝，这样可以进一步提升算法效率。 1. 相等元素剪枝 观察图 13‑8 ，在第一轮中，选择 1 或选择 ̂1 是等价的，在这两个选择之下生成的所有排列都是重复的。因此

io/) - [C++ 并发编程实战 ](https://www.bookstack.cn/read/Cpp_Concurrency_In_Action/README.md) - [ 因特尔 TBB 编程指南 ](https://www.inf.ed.ac.uk/teaching/courses/ppls/TBBtutorial.pdf) - [ 并行体系结构与编程 (CMU 15-418)](https://www