cuda遇到的问题：

1，在编写cuda代码时，不添加HANDLE_ERROR,程序可以正常运行，但是添加后，就不能正常运行，还没有解决：解决：错误提示函数要写在host函数中，在device和global函数中都会不可使用，因为在定义函数的时候，就选定了函数的执行的范围。

2）#pragma unroll:用在for循环的前面：这样编译器就会将循环变量优化为对应的数字。同时也会将申请的数组优化为寄存器：因为在数组中，每次调用数组中的元素，都要将本地内存的 数据读到寄存器中，之后，在进行运算。

2，__global__:在GPU中是并行的，是内核函数，__device__：是一个单线程的函数，只能在gpu上运行。

3，cuda编写的内核函数运行速度慢的原因：

1）在计算的时候，有许多的循环，可能是在访存上花费了很多的时间，j解决的办法是：在内核中添加局部变量，或者使用共享内存。

2）在内核中使用共享内存开辟窗口数组，会提高运行效果

4，共享内存：1）global memeory 是一块很大的on-board memory ,并且有很高的latency,;shared memory正好相反，是一块很小的，低延迟的on-chip memory，比global memory 拥有更多的带宽；使用共享内存时提高性能方式之一。

2）每个SM包含一个当前正在执行的block中所有thread共享的低延迟的内存池，SMEM使得同一个block中的thread能够相互工作，重用on-chip数据，并且能够显著减少kernel需要的global memory带宽，由于APP可以直接显示的操作SMEM的内容，所有又被称为可编程缓存。共享内存的延迟要比全局内存低20到30倍，带宽大约高10倍。

3）共享内存是划分给SM 中驻留的所有的block的，也是GPU的稀缺资源，使用的的共享资源越多，能够并行的active就越少。

4）如果共享内存的大小在编译器未知的话，可以使用extern关键字来修饰，在<<<>>>其中的第三个参数就是分配共享内存的大小。

5）共享内存分为动态的和静态的：__shared__ a[1000]：这种分配了需要内存的大小的，就静态的；没有分配大小的，extern __shared__ a[]  需要的大小需要在调用的时候配置的，叫做动态共享内存。

5，__inline和inline等同，通知编译器将该函数的内容拷贝一份放在调用函数的地方，这称之为内联，内联减少了函数调用的开销，但是增加了代码量。

6，使用cuda编写程序时候，开辟的线程块数和线程，如果很小的话，经过24个块处理后，就会产生错误数据，如果分配的块数足够多的话，就不会产生这种现象。解决：在这里：由于需要进行排序，在最后一个块的后面，没有数据了，这就导致最后一部分数据出现了问题，因此，要想避免这种问题，将下次开始的数据向前移动一部分，去覆盖这种情况（根据自己工作需要做的，其他人不一定需要。）