NVIDIA公司日前正式宣布，授予美国斯坦福大学CUDA卓越中心的称号。斯坦福大学作为世界著名的大学，运用CUDA技术和NVIDIA的GPU对高效计算算法进行研究。凭借其在并行计算教育和研究领域做出的巨大贡献，以及其在科学和工程应用领域的多样性研究，斯坦福大学得以加入CUDA卓越中心计划。

本文的目的是帮助你开始使用CUDA C语言在GPU上实现并行计算，CUDA C由nVidia创建，它是一种与C类似的编程语言，但它是专门为创建使用GPU执行并行计算的应用程序设计的，但CUDA C

以下内容摘自CUDA编程手册 版本2.1 并参考并引用了2.0中文版编程手册中的内容，并修正了一些术语和错误。本章节介绍CUDA编程模型的主要的概念并勾画出其是如何以C的形式进行表述。关于对应CUDA的C的描述的更加详细的内容将会在第四章给出。

精影GTX750采用了基于全新Maxwell核心架构的GM107核心，拥有512个CUDA Cores。它不但能完美支持DirectX11.1 API、CUDA、PhysX、3D VISION

CUDA目前有两种不同的 API：Runtime API 和 Driver API，两种 API 各有其适用的范围。由于 runtime API 较容易使用，一开始我们会以 runetime API 为主。

目前 NVIDIA 提供的 CUDA Toolkit支持 Windows (32 bits 及 64 bits 版本)及许多不同的 Linux 版本。

在《runtime API创建CUDA程序》中，我们做了一个计算一大堆数字的平方和的程序。不过，我们也提到这个程序的执行效率并不理想。当然，实际上来说，如果只是要做计算平方和的动作，用 CPU 做会比用 GPU 快得多。这是因为平方和的计算并不需要太多运算能力，所以几乎都是被内存带宽所限制。

本文将讲述CUDA编程接口中关于纹理存储器的基础知识，包括以下内容：纹理参考属性的相关概念、纹理参考的声明和运行时纹理参考属性。CUDA支持纹理硬件的一个子集，GPU为图形使用这个子集访问纹理存储器和表面存储器。后文将介绍到，从纹理存储器或表面存储器而不是全局存储器中读数据有许多性能好处。

2011年12月19日消息，在GPU技术大会亚洲站闭幕式上，英伟达公司授予上海交通大学CUDA卓越中心的称号，以表彰其在利用GPU和CUDA技术推动各个科学学科教育与研究计划方面所做的开创性工作。

本文主要分享了复杂流场，格子Boltzmann方法(LBM);基于CUDA的LBM方法，复杂流场LBM的CUDA实现，算法优化;程序性能分析：存储消耗，运行时间，加速比。