# 3.1。概述 > 原文： [http://numba.pydata.org/numba-doc/latest/cuda/overview.html](http://numba.pydata.org/numba-doc/latest/cuda/overview.html) Numba 通過直接將 CudA 內核和 CUDA 執行模型之后的 CUDA 內核和設備函數的受限子集編譯為 CUDA GPU 編程。用 Numba 編寫的內核似乎可以直接訪問 NumPy 數組。 NumPy 陣列自動在 CPU 和 GPU 之間傳輸。 ## 3.1.1。術語 這里列出了 CUDA 編程主題中的幾個重要術語： * _ 主機 _：CPU * _ 設備 _：GPU * _ 主機內存 _：系統主內存 * _ 設備內存 _：GPU 卡上的板載內存 * _ 內核 _：由主機啟動并在設備上執行的 GPU 功能 * _ 設備功能 _：在設備上執行的 GPU 功能，只能從設備調用（即從內核或其他設備功能） ## 3.1.2。編程模型 Numba 公開的大多數 CUDA 編程工具都直接映射到 NVidia 提供的 CUDA C 語言。因此，建議您閱讀官方 [CUDA C 編程指南](http://docs.nvidia.com/cuda/cuda-c-programming-guide)。 ## 3.1.3。要求 ### 3.1.3.1。支持的 GPU Numba 支持支持 CUDA 的 GPU，其計算能力為 2.0 或更高，具有最新數據的 Nvidia 驅動程序。 ### 3.1.3.2。軟件 您將需要安裝 CUDA 工具包。如果您使用的是 Conda，只需輸入： ```py $ conda install cudatoolkit ``` ## 3.1.4。缺少 CUDA 功能 Numba 尚未實現 CUDA 的所有功能。下面列出了一些缺少的功能： * 動態并行 * 紋理記憶