一. 基本概念
1. CUDA
2007年，NVIDIA推出CUDA（Compute Unified Device Architecture，统一计算设备架构）这个编程模型，目的是为了在应用程序中充分利用CPU和GPU各自的优点，实现CPU/GPU联合执行。这种联合执行的需要已经在最新的集中编程模型（OpenCL，OpenACC，C++ AMP）中体现出来了。
2. 并行编程语言和模型
使用比较广泛的是为可扩展的集群计算设计的消息传递接口（Message Passing Interface，MPI）和为共享存储器的多处理器系统设计的OpenMP。目前，很多HPC（High-Performance Computing）集群采用的都是异构的CPU/GPU节点模型，也就是MPI和CUDA的混合编程，来实现多机多卡模型。目前，支持CUDA的编程语言有C，C++，Fortran，Python，Java [2]。CUDA采用的是SPMD（Single-Program Multiple-Data，单程序多数据）的并行编程风格。
3. 数据并行性，任务并行性
解析：
任务并行性通常对应用进行任务分解得到。例如，对一个需要做向量加法和矩阵-向量乘法的简单应用来说，每个操作可以看作一个任务。如果这两个任务可以独立地执行，那么就能得到任务并行性。
4. CUDA对C中函数声明的扩展
解析：
(1)__device__ float DeviceFunc()：在设备上执行，并且只能从设备上调用。
(2)__global__ float KernelFunc()：在设备上执行，并且只能从主机上调用。
(3)__host__ float HostFunc()：在主机上执行，并且只能从主机上调用。
说明：
如果在函数声明时没有指定CUDA扩展关键字，则默认的函数是主机函数。
5. thread，block，grid，warp，sp，sm
解析：
(1)grid、block、thread：在利用CUDA进行编程时，一个grid分为多个block，而一个block分为多个thread。
(2)sp：最基本的处理单元，最后具体的指令和任务都是在sp上处理的。
(3)sm：多个sp加上其它的一些资源（比如，存储资源、共享内存、寄储器等）组成一个sm。
(4)warp：GPU执行程序时的调度单位。目前CUDA的warp的大小为32，同在一个warp的线程，以不同数据资源执行相同的指令。
6. CUDA核函数
kernel函数完整的执行配置参数形式是<<<Dg, Db, Ns, S>>>，如下所示：
(1)参数Dg用于定义整个grid的维度和尺寸，即一个grid有多少个block。
(2)参数Db用于定义一个block的维度和尺寸，即一个block有多少个thread。
(3)参数Ns是一个可选参数，用于设置每个block除了静态分配的shared Memory以外，最多能动态分配的shared memory大小，单位为byte。不需要动态分配时该值为0或省略不写。
(4)参数S是一个cudaStream_t类型的可选参数，初始值为零，表示该核函数处在哪个流之中。
7. CUDA存储系统
(1)寄存器
(2)局部存储器
(3)共享存储器
(4)全局存储器
(5)常数存储器
8. CUDA SDK
9. CUDA软件栈
说明：
CUDA软件栈包含多个层，设备驱动程序、应用程序编程接口（API）及其运行时、两个较高级别的通用数学库，即CUFFT和CUBLAS。相对来说，CUDA Driver是底层API，而CUDA Runtime是高层API。
参考文献：
[1] Java bindings for CUDA：http://jcuda.org/