我正在考虑处理GPU上数据的可能性，对于GPU内存来说太大了，我有几个问题。
如果我正确理解了这一点，则使用映射内存，数据驻留在主内存中，并且仅在访问时才传输到GPU，因此分配比适合GPU内存的更多问题。
UVA类似于映射的内存，但是数据可以存储在CPU和GPU内存中。但是，GPU是否有可能在充满自己的数据时访问主内存（如映射内存）吗？在这种情况下，内存溢出会发生吗？我读到，使用映射的内存，数据直接进入本地内存而不会首先传输到全局的内存，在这种情况下，没有任何溢出。这是真的吗？
在CUDA 6.0中，UM不允许超级订阅GPU内存（并且通常不允许分配比GPU更多的内存，即使在主内存中），但是使用CUDA 8.0，这是可能的（https：https：https：//devblogs.nvidia.com/parallelforall/beyond-gpu-memory-limits-unimied-memory-pascal/）。我做对了吗？
是的，使用映射（即固定，"零拷贝"）方法，数据停留在主机内存中，并转移到GPU ON-DEMAND中，但永远不会居住在GPU内存中（除非GPU代码将其存储在此处）。如果多次访问它，则可能需要从主机多次转移。
uva（统一的虚拟地址请参见此处）与UM（统一内存，请参见此处）或托管内存（== UM）不同，因此我将这种情况称为UM，而不是UVA。
使用UM在Pascal设备上，UM"托管"分配将自动在CPU和GPU之间受到一些限制，但是您不能超额订阅GPU内存。所有普通GPU分配以及UM分配的最大数量不能超过GPU物理记忆。
使用UM Plus CUDA 8.0或更高版本以及Pascal或较新的GPU，您可以通过UM（"托管"）分配对GPU内存进行订阅。然后，这些分配名义上仅限于系统内存的大小（减去对系统内存的其他要求）。在这种情况下，使用需求要求方法，通过CUDA运行时，在主机和设备内存之间自动移动数据。
UVA不是CUDA中的实际数据管理技术。这是一项基础技术，可以启用某些功能，例如映射内存的某些方面，并且通常可以启用UM功能。