请教几个问题：
1.global memory上的二维数组a_d（100,100），CPU端直接赋值a_d=0的机制是什么，是同时把10000个element赋值0吗？为什么比做一个二维循环把a的element一个个赋值0要快很多。 那是不是相当于循环操作赋值（后者）是前者需要时间的一万倍？
2.还是用线程来赋初值？一个线程对应一个element，赋值=0，和CPU的代码a_d=0从机理上讲那种会快点?
特别感谢论坛版主每个帖子都耐心的解答，受益匪浅~
LZ您好：
没有太看明白您所说的“CPU端直接赋值a_d=0”是什么意思。
一般对global memory上的空间清零有3种方法：
1：使用cudaMemset()，这个是runtime API提供的函数，使用较为简便。以及，我并不清楚其实现机制，请向NV原厂支持继续询问。
2：写一个kernel对一段global memory清零，这个就是普通的kernel而已，以及效率也较高。
3：在host上申请一个等大的数组，用CPU循环对此缓冲区清零/使用memset()函数对此缓冲区清零，将此缓冲区使用cudaMemcpy()复制给global memory里面的数组。
一般不使用第三种方法。第一种方法比较简洁，可以使用，但是在使用异步版本的cudaMemcpy类函数的时候，cudaMemset()可能会影响异步版本的copy函数的异步行为，此时建议使用第二种方法，使用kernel清零。
大致如此，供您参考，祝您编码顺利~
嗯嗯。我深刻赞同ICE的观点。
实际上，楼主您无法在host上使用d_a = 0来清零一段global memory的。您听谁说的这个可以？
感谢两位版主回答~
请教一下，什么是异步版本的cudaMemcpy类函数？使用 cudaMemset() 后，要同步一下吗？怎么同步？谢谢啦！
您好：
1：以Async结尾的cudaMemcpy类的函数是所谓“异步版本”。
2：cudaMemset()是对于host的异步函数，一般无需同步的。以及您可以用cudaDeviceSynchronize()同步所有GPU的任务，当然也包括cudaMemset()。
大致如此，祝您编码顺利~