開始使用
環境 win10, visual studio 2019， pycuda 2019.02,
在你使用PyCuda之前，要先用import命令來導入並初始化一下。
import pycuda.driver as cuda
import pycuda.autoinit
from pycuda.compiler import SourceModule
這裏要注意，你並不是必須使用 pycuda.autoinit,如果你願意的話，初始化、內容的創建和清理也都可以手動實現。
傳輸數據
接下來就是要把數據傳輸到設備（device）上了。一般情況下，在使用PyCuda的時候，你主要是傳輸主機host上的Numpy數組。（不過實際上，只要符合Python緩衝區接口的數據類型就都可以使用的，甚至連字符串類型str都可以。）下面這行示例代碼創建了一個隨機數組成的4*4大小的數組a：
import numpy
a = numpy.random.randn(4,4)
不過要先暫停一下—咱們剛剛創建的這個數組a包含的是雙精度浮點數，但大多數常用的NVIDIA顯卡只支持單精度浮點數，所以需要轉換一下類型：
a = a.astype(numpy.float32)
接下來，要把已有的數據轉移過去，還要設定一個目的地，所以我們要在顯卡中分配一段顯存：
a_gpu = cuda.mem_alloc(a.nbytes)
最後，咱們把剛剛生成的數組a轉移到GPU裏面吧：
cuda.memcpy_htod(a_gpu, a)
運行一個內核函數（kernel）
咱們這篇簡介爭取說的都是最簡單的內容：咱們寫一個代碼來把a_gpu這段顯存中存儲的數組的每一個值都乘以2. 爲了實現這個效果，我們就要寫一段CUDA C代碼，然後把這段代碼提交給一個構造函數，這裏用到了pycuda.compiler.SourceModule:
mod = SourceModule("""
__global__ void doublify(float *a)
{
int idx = threadIdx.x + threadIdx.y*4;
a[idx] *= 2;
}
""")
這一步如果沒有出錯，就說明這段代碼已經編譯成功，並且加載到顯卡中。然後咱們可以使用pycuda.driver.Function,然後調用此引用，把顯存中的數組a_gpu作爲參數傳過去，同時設定塊大小爲4x4：
func = mod.get_function("doublify")
func(a_gpu, block=(4,4,1))
最後，咱們就把經過運算處理過的數據從GPU取回，並且將它和原始數組a一同顯示出來對比一下：
a_doubled = numpy.empty_like(a)
cuda.memcpy_dtoh(a_doubled, a_gpu)
print (a_doubled)
print (a)
輸出的效果大概就是如下所示：
[[ 0.51360393 1.40589952 2.25009012 3.02563429]
[-0.75841576 -1.18757617 2.72269917 3.12156057]
[ 0.28826082 -2.92448163 1.21624792 2.86353827]
[ 1.57651746 0.63500965 2.21570683 -0.44537592]]
[[ 0.25680196 0.70294976 1.12504506 1.51281714]
[-0.37920788 -0.59378809 1.36134958 1.56078029]
[ 0.14413041 -1.46224082 0.60812396 1.43176913]
[ 0.78825873 0.31750482 1.10785341 -0.22268796]]
出現上面這樣輸出就說明成功了！整個攻略就完成了。另外很值得慶幸的是，運行輸出之後PyCuda就會把所有清理和內存回收工作做好了，咱們的簡介也就完畢了。不過你可以再看一下接下來的內容，裏面有一些有意思的東西。
簡化內存拷貝
PyCuda提供了pycuda.driver.In, pycuda.driver.Out, 以及pycuda.driver.InOut 這三個參數處理器（argument handlers），能用來簡化內存和顯存之間的數據拷貝。例如，咱們可以不去創建一個a_gpu，而是直接把a移動過去，下面的代碼就可以實現：
func(cuda.InOut(a), block=(4, 4, 1))
有準備地調用函數
使用內置的pycuda.driver.Function.call() 方法來進行的函數調用，會增加類型識別的資源開銷（參考顯卡接口）。 要實現跟上面代碼同樣的效果，又不造成這種開銷，這個函數就需要設定好參數類型（如Python的標準庫中的結構體模塊struct所示），然後再去調用該函數。這樣也就不用需要再使用numpy.number類去制定參數的規模了：
grid = (1, 1)
block = (4, 4, 1)
func.prepare("P")
func.prepared_call(grid, block, a_gpu)
饋贈：抽象以降低複雜度
使用 pycuda.gpuarray.GPUArray，同樣效果的代碼實現起來就更加精簡了：
import pycuda.gpuarray as gpuarray
import pycuda.driver as cuda
import pycuda.autoinit
import numpy
a_gpu = gpuarray.to_gpu(numpy.random.randn(4,4).astype(numpy.float32))
a_doubled = (2*a_gpu).get()
print a_doubled
print a_gpu
參考鏈接：https://www.jianshu.com/p/85b536311f9f