一、线程模型：Grid、Block、Thread概念

‌1. 层级定义‌

• ‌Thread（线程）‌
  CUDA中最基本的执行单元，对应GPU的单个CUDA核心（SP）。每个线程独立执行核函数指令，拥有独立的寄存器和局部内存空间‌。

• ‌Block（线程块）‌
  由多个线程组成（通常为32的倍数），是逻辑上的并行单元。同一Block内的线程可通过共享内存（Shared Memory）协作，并支持同步操作（如__syncthreads()）。一个Block内的线程会被划分为多个‌Warp‌（32线程为一组，以SIMT方式执行）‌。

• ‌Grid（网格）‌
  由多个Block构成，代表完整的核函数执行空间。Grid内的Block可分配到不同SM（流多处理器）上并行执行，但不同Block之间无法直接通信‌。

‌2. 维度与索引‌

• ‌维度定义‌
  Grid和Block均支持一维、二维或三维结构。例如，处理图像时常用二维Block（如16x16线程）‌

• 魔方图

二、索引计算

• ‌全局索引‌：通过blockIdx（Block在Grid中的位置）、threadIdx（线程在Block中的位置）和blockDim（Block维度）计算全局位置。例如：

  int global_x = blockIdx.x * blockDim.x + threadIdx.x; // 一维示例

• // 二维示例（如图像处理）
  int x = blockIdx.x * blockDim.x + threadIdx.x;
  int y = blockIdx.y * blockDim.y + threadIdx.y;

  blockIdx：线程块在对应 grid 中的编号。
  threadIdx：线程在对应线程块中的编号。
  两者都是uint3向量类型，包含 x, y, z 三个 uint 成员。

  gridDim：grid 的维度，即每一维的 block 数量。对应调用 kernel 时的 gridSize。
  blockDim：block 的维度，即每一维的 thread 数量。对应调用 kernel 时的 blockSize。
  两者都是dim3向量类型，包含 x, y, z 三个 uint 成员。

  例：

  gridDim.x：当前 grid 中线程块的数量（一维）/