大家好，作为CUDA学习者之中比较另类的一员，本人由于之前习惯了fortran，所以一直在做着CUDA fortran的编程。在这里向大家介绍下CUDA fortran并宣传下俺的QQ群 哈哈
CUDA Fortran是PGI和Nvidia合作开发的基于Fortran语法扩展得到的CUDA语言。凭我个人使用的感觉，CUDA fortran和CUDA C的执行速度是差不多的，毕竟都是Nvidia的嘛
下面主要说说语法的比较：
以向量相加为例：
首先看下CUDA C的(摘自《GPU高性能计算之CUDA》)
global void VecAdd(float* A,float* B,float* C)
{
int i=blockIdx.xblockDim.x+threadIdx.x;
if(i<N)
C[i]=A[i]+B[i];
}
int main()
{
size_t size=Nsizeof(float);
float* d_A;
cudaMalloc((void**)&d_A,size);
float* d_B;
cudaMalloc((void**)&d_B,size);
float* d_C;
cudaMalloc((void**)&d_C,size);
cudaMemcpy(d_A,h_A,size,cudaMemcpyHostToDevice);
cudaMemcpy(d_B,h_B,size,cudaMemcpyHostToDevice);
int Nt=256;
int Nb=(N+Nt-1)/Nt;
VecAdd<<<Nb,Nt>>>(d_A,d_B,d_C);
cudaMemcpy(d_C,h_C,size,cudaMemcpyDeviceToHost);
}
CUDA Fortran的代码如下（自己编写,含有一些自己的变成习惯 如module）
module Data
use cudafor
integer,allocatable::h_A,h_B,h_C
integer,device,allocatable::d_A,d_B,d_C
contains
attributes(global) subroutine VecAdd(N)
integer,value::N
integer::i
i=(blockidx%x-1)*blockdim%x+threadidx%x
if(i<N) then
d_C[i]=d_A[i]+d_B[i]
endif
endsubroutine
endmodule
program main
use Data
integer::N
integer::Nt,Nb
!!申请host数组并初始化 略
allocate(d_A(N),d_B(N),d_C(N))
d_A=h_A
d_B=h_B
Nt=256
Nb=(N+Nt-1)/Nt
call VecAdd<<<Nb,Nt>>>(N)
h_C=d_C
end
（由于我习惯了使用module 所以这个简单的例子中看起来Fortran程序有点长，但使用module对大型程序的数据管理非常有好处，相比于C的要简单很多）
从上面的代码对比可以看出 CUDAFortran的优势：
CUDA C在C的基础上增加的语法比较多 写的程序也比较复杂
CUDA Fortran最大程度上保留了原始Fortran的语法 并且在数组申请上 数据拷贝上 等等 都比CUDA C来的简单
还有一点没体现出来 就是fortran里申请数组不只是一维二维三维，我用的五维数组都能申请 只要一句allocate（A(N1,N2,N3,N4,N5)）简单搞定
因此 CUDA Fortran很适合之前在搞Fortran工程编程的人使用。
同时CUDA Fortran也有一些缺点
一 版本较旧 现在 CUDA Fortran支持到 cuda3.2 CUDA C支持cuda4.0 但是版本更新是迟早的事
二 CUDAFortran相比于CUDA C做了一些简化，对工程计算的没什么影响，但对图形图像方面支持差了点
好了 大家差不多也对CUDA fortran也有所了解了
最后宣传下我的QQ群：93370504 欢迎大家一起来交流学习
[ 本帖最后由 nicolver 于 2011-6-4 00:36 编辑 ]