cuda很强大，但是再强大的工具都有它的局限性。
    常言道：尺有所短，寸有所长。
    所以如果在cuda不擅长的领域使用cuda，那么起不了好的作用反倒浪费精力和资源，也是非常正常的。
   因此启动一个项目之前，必须先评估好你的项目是否适合cuda。

   要做出这个评估，就必须对cuda的技术特性有一个很好的理解。
    cuda的特点无非是这么几个：众核，需要从内存把数据拷贝到显存，从内存到显存的带宽相对非常慢。
     所以如果一个项目，要处理的数据可并行性非常差，那就不能用cuda。怎么才叫并行性好呢?那就是：
    首先可以找到一种分治策略，就是这个问题可以划分成很多子问题，子问题的求解相对简单很多，而且可以通过子问题很容易的求出最终解；
     其次这种分治策略必须对彼此间执行顺序依赖很弱，最好不要有依赖。
满足第一条的话，这个问题可以从单线程转换为多线程问题。满足第二条的话，那么转换成多线程以后，性能提高空间会非常大。第二条性质越好，那么线程数增加量和性能增量之比越接近正比。
    但满足上面两条，只能说这个问题适合并行化。
    cuda的另一个主要限制，就是从内存到显存的带宽问题。也就是说，只有你的项目可以设计一种方案，不需要太多内存和显存之间的数据同步，才能有效的发挥cuda的价值。换言之，如果你的方案里，并行化带来的效率提升是10分，而需要投入8分甚至更多的费用在内存和显存的同步上，那就不适合cuda。

    所以大致面评估一个项目是否适合cuda的参数就是下三条：
     1.可并行性。
     2.异步性。
     3.与内存数据的同步依赖性。

  同样这三条，也是实施cuda项目的策略。