CUDA 4.0 已经发布了RC版本，处于网友与新人的要求，我讲解下如何配置环境与工程的问题。要完整的使用CUDA 4.0功能与开发工具，建议使用windows 7 64bit或者windows 2008 R2 64bit系统。我的电脑是win7。

Cuda用于3D图形处理，不需要我们自己分配处理器，这个重大的问题由运行系统处理。Cuda的物理基础是gpu。由于多核的并行性，可以提供很大的带宽。

nvidia的CUDA(Compute United Device Architecture)推出来以后，受到了无数nvidia fans们的追捧，连许多非图形图像领域搞技术的人员都开始玩起了CUDA。

在執行 CUDA 程式前，都要把資料先從 Host 的記憶體，複製一份到 device 的記憶體中;一般來說，這樣的部分，都是使用 device 的 global memory 來直接進行存取。不過

CUDA的编译器为nvcc,nvcc将各种编译工具集成起来，这些编译工具实现了编译的不同阶段。nvcc的基本工作流是将device代码从host代码中分离出来，然后将其编译成二进制或者cubin工程。在执行过程中，将忽略host代码，而将device代码加载并通过CUDA的设备API来执行。

CUDA的nvcc编译器支持数据结构struct的对齐，以此来提高速度。但当我们想从C++里创建数据结构，然后传到GPU里，用GPU处理的时候，我们就必须注意这个对齐了，怎么在C++里模拟CUDA的

NVIDIA（英伟达）今天推出了 NVIDIA?CUDA? 5 正式版本 (Production Release)，它是一个功能强大的全新版本。CUDA 是全球应用最为广泛并行计算平台与编程模型，可用于在 GPU 上加速科学和工程应用程序。

本文将介绍CUDA中编程接口的多设备系统，主要包括以下内容：枚举设备、设备选择、流和事件行为、p2p存储器访问、p2p存储器复制。枚举设备：主机系统上可以有多个设备。下面的代码展示了怎样枚举这些设备、查询他们的属性、确定有多少个支持CUDA的设备。

本章引入了CUDA编程模型背后的主要概念，方式是概述它们是怎样使用C语言表示的。更多的关于CUDA C的描述在第三章。

之前的文章中，给大家介绍了如何将OpenCV 2.2与CUDA 4.0的巧妙结合。今天尝试把CUDA 和 OpenCV 两者进行硬性结合。