1. 如果问题规模较小，逻辑控制较为复杂，并行性很小优先使用CPU处理该问题，如果包含较大规模的数据处理，则考虑使用GPU进行处理。

2. CPU上线程是重量级实体，可以开启1~32个线程，且上下文切换较为缓慢，GPU上线程是高度轻量级的，可以开几百甚至上千个线程。

3. CUDA通过两种API来对设备GPU设备进行控制，包括驱动API和运行API，其中驱动API较难编程，但是设备控制能力和利用率高。两者只能选择其中一种，不能混合使用。

4. 一个CUDA程序包含了两个部分代码，在CPU上运行的主机代码和在GPU上运行的设备代码。

5. 判断自己的主机上是否存在nvidia设备可以使用命令:

　　　　　　　　ls -l /dev/nv*

6. hello.cu代码:

　　#include <cuda_runtime.h>

　　#include <stdio.h>

　　__global__ void HelloFromGPU(void)

　　{

　　　　printf("Welcome to CUDA!\n");

　　}

　　int main(){

　　cudaSetDevice(0);

　　HelloFromGPU<<<1,10>>>();

　　cudaDeviceReset();

　　return 0;

　　}

7. 在这个代码中调用了10个GPU线程，cudaSetDevice(int)是对GPU的特定选择，而cudaDeviceReset()用来释放和清空所有在GPU中的资源。在进行程序生成运行的时候需要使用

　　　　　　　　　　　　nvcc -arch sm_61 hello.cu -o hello

　　　　来运行，-arch sm_61是个开关语句，使编译器为Pascal架构生成设备代码，以运行，sm_61是与具体设备有关，如果设备的计算能力不同那么对应的也不一样，一旦运行错误的运算能力，可能也无法得到想要的结果。