这段时间负责使用CUDA优化LBP算法，因为刚开始学习使用CUDA，所以走了很多弯路，挖了很多坑，现在对在这段时间学习到的经验进行总结，以备后续开发时参考。至于CUDA优化LBP部分，因为还没有确定不采用，所以还不敢发到网上，或许过段时间会写个blog介绍一下思路。

注意下载的CUDA版本与驱动版本相符

 如果版本不符，你运行cuda程序的时候，会报找不到GPU的错误（好像时这么个错，记不太清了）。驱动版本在cmd中使用nvidia-smi查看，如下图可以看到我的驱动版本是441.22。
和驱动版本对应的CUDA版本如下图，或者请查验 CUDA文档

关于CUDA报错

 CUDA报错不像C或者C++那样精确且及时。在第1000行报的错，问题可能出在500行。再比如函数A先后调用函数B和函数C，如果函数C的位置报错，那真正出现问题的可能是B。所以当某一变量或者函数出错时，不仅仅应检查当前位置，也应检查之前相关的内容。
 另外CUDA是不会主动报错的，应主动使用*cudaGetLastError()函数捕获错误，然后使用cudaGetErrorString(cudaError_t cudaErrorCode)*对错误进行描述。

应进行充分的单元测试

 CUDA不像Python没有try{}except{}语句，发生异常无法跳过。而且在运行时，如果一个线程出现问题，被同一kernel函数启动的其它所有线程也会被终止。甚至在本次开发中常常出现一个线程出现问题进而导致kernel函数被终止，进而后续所有的kernel函数被终止的情况。
 在进行开发时，应对尽可能糟糕的情况，尽可能大的数据量进行测试，以保证程序的正确性。

GPU上进行的操作应尽可能简单

 这个要统筹考虑，如果要效率高，那就应该把并行的操作尽可能的安排到GPU上进行，但那样有会有一些莫名其妙的报错（真的莫名其妙，无法理解）。