用cuda改写NLM算法，并列出代码

用 CUDA 改写 NLM 算法可以通过并行化计算来提高算法的运行速度。下面是一个示例代码：

#include <stdio.h>
#include <cuda.h>

__global__ void NLM_kernel(float* input, float* output, int size) {
    int i = blockIdx.x * blockDim.x + threadIdx.x;
    if (i < size) {
        // 在这里实现 NLM 算法
    }
}

int main() {
    int size = 100;
    fl