2013年3月20日至22日，AMAX联合 NVIDIA 在苏州举办了为期三天的 CUDA 认证培训。来自中国科学院、国防科技大学、浙江大学、北京理工大学、西南电信、 众阳软件等20多家科研单位、高校和企业的40名学员参加了此次认证培训。

2012年8月23日-24日，浪潮集团和英伟达公司在北京联合举办了基于CPU-GPU异构计算技术架构及CUDA应用技术的中国ICCE工程师认证培训。来自北京大学、中石油、中国科学院、中国林业科学院、东北大学、中南大学等数十家科研单位、高校和企业的技术工程师参与了此培训。

在执行期间，CUDA线程可能访问来自多个存储器空间的数据，如图2-2所示。每个线程有私有的本地存储器。每个块有对块内所有线程可见的共享存储器，共享存储器的生命期和块相同。所有的线程可访问同一全局存储器。

NVIDIA Gelato、Tesla、CUDA是一股对传统基于CPU的渲染器挑战的力量。GPU在诸多方面具有软件实现无可比拟的优势比如光栅化部分，遮挡剔除，以及潜在的并行计算能力，但是编程性实在缺少基于CPU的自由度，所以在相当的一段时间内还无法充分发挥性能。

免费再加速 在POWERDVD中利用CUDA核心

本文介绍了Visual Studio 2010 中CUDA 4.0的安装与配置。

基于CUDA的图像亮度直方图统计，算法：1、先计算原始图像每个像素的亮度：u = (unsigned char)(0.299f * r + 0.587f * g + 0.114f * b)。2、用一个256大小的数组统计每个亮度的点的数量。

本文将为大家介绍如何将OpenCV 2.2与CUDA 4.0的巧妙结合。主要思想是：并行的程序写在.cu文件中，编译成.dll的形式，之后用.cpp文件直接调用.dll文件，完成两者结合。

在成像技术中，一个非常有趣的领域就是裸眼立体成像技术，它无需特殊眼镜就能显示三维立体图像。这种有趣的技术不仅有着娱乐方面的应用潜力，也可作为多种专业应用程序的实用技术。东京大学Takeyoshi Dohi教授研究了NVIDIA的CUDA并行计算平台后认为，医疗成像是这种平台非常有前途的应用领域之一。

CUDA 编程模型将 CPU 作为主机 (Host) ， GPU 作为协处理器 (co-processor) 或者设备 (Device). 在一个系统中可以存在一个主机和多个设备。 CPU 主要负责进行逻辑性强的事物处理和串行计算， GPU 则专注于执行高度线程化的并行处理任务。