CUDA设备存储器可以使用cudaMalloc/cudaFree分配。这很好，但原始。
我很想知道，设备内存是否以某种方式虚拟化？是否有与mmap相同的操作，更重要的是，用于设备内存的mremap？如果设备内存已虚拟化，我希望应该存在这些功能。当有多个过程对有限的视频资源争议时，现代GPU驱动程序似乎实施了分页，这表明它以某种方式虚拟化了...
有人知道我可以在哪里阅读有关此的更多信息吗？
编辑：
好的，我的问题有点笼统。我已经阅读了有关为设备访问的映射系统内存的手册的位。但是，我对设备分配的内存更感兴趣。
特定问题：
- 有什么可能的方法可以重新启动设备内存？(即要种植设备分配(
- 可以将分配的内存映射到系统内存吗？
- 使用映射的固定记忆是否有一些性能危险？内存是根据需要在设备上复制的，还是始终 在PCI-E BUS上获取内存？
我有99％的时间使用内存的情况；因此，它应该是设备本地的，但是将设备内存映射到系统内存可能很方便，而无需实现尴尬的深度拷贝。
是的，存在统一的内存，但是我对明确分配感到满意，除了我想要偷偷摸摸的回头的奇数时刻。
我一般发现了手动的详细信息。
cuda带有精美的CUDA C编程指南，因为它的主要手册，该手册在映射内存以及统一的内存编程上都有部分。
回答您的其他发布的问题，并遵循您的提示，将UM排除在外：
-
是否有可能重新启动设备内存的方法？(即要种植设备分配(
没有直接方法。您将必须手动创建所需大小的新分配，然后将旧数据复制到它，然后释放旧分配。如果您期望这样做很多，并且不介意与之相关的重要开销，那么您可以看一下推力设备向量，这将隐藏某些手动劳动，并让您在单个矢量中调整分配大小样式
.resize()操作。但是，没有魔术，所以推力只是一个模板库构建在CUDA C顶部(用于CUDA设备后端(，因此它将像手动"手动"一样进行cudaMalloc和cudaFree操作的顺序。 -
是否可以将设备分配的内存映射到系统内存？
抛开嗯，不。设备内存无法映射到主机地址空间中。
-
使用映射的固定记忆是否存在某些性能危险？是否根据需要在设备上复制内存，还是始终在PCI-E总线上获取内存？
no，主机映射的数据永远不会在设备内存中复制，除了L2缓存，GPU所需的映射数据将始终在PCI-E BUS上获取