滑了丝的螺丝钉

CUDA的基本概念：CUDA是NVIDIA公司推出的并行计算框架，只能基于自家GPU的硬件平台进行性能加速运算，所以使用CUDA编程的前提是必须要有NVIDIA的显卡。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一个叫做cudnn，是针对深度卷积神经网络的加速库。与之相类似的并行计算框架还有苹果公司推出的OpenCL，OpenCL其优势在于跨平台性和通用性，更像是一个开放标准，按理说OpenCL会更加受欢迎，但是由于NVIDIA公司在GPU显卡领域一家独大，市场份额独

在使用CUDA 提升加速计算时，有时会需要和CPU运算的时间做一个对比，以此计算性能提升指标。在CUDA中，event （事件） API 提供创建和销毁事件、记录事件（包括时间戳）以及将时间戳差异转换为以毫秒为单位的浮点值的调用。CPU计时器当计算程序在CPU中执行的时间，可以用#include “time.h”头文件。C/C++中的计时函数是clock()，而与其相关的数据类型是clock_t，其中clock_t用来保存时间的数据类型。clock_t start, finish; //定义计

在对CUDA的kernel函数有了一定了解之后，就可以对图像进行多线程加速计算，下面是我在CPU和GPU上各自遍历一张图像，对比两者的性能差异。这里需要用到opencv的函数读取图像以及显示图像，因此opencv的头文件需要包含进去。其他的注意事项主要是图像的内存分配和存储类型问题，比如彩色图像是三通道的，申请的内存为row * col * sizeof(uchar3)。首先在CPU上遍历一张彩色图像的所有像素： for (int i = 0; i < row; i++) { for (i