这篇文章我们来认识一下线程间通信的一种手段—共享内存，共享内存由于其特殊性—共享内存是存在与每个进程的地址空间中的，通俗点就是这部分数据是对每个进程可见的，这样每个进程都可以在一定条件下直接操作共享内存中的数据，避免了数据的复制等耗时的操作，这也是共享内存比其他几种IPC机制（信号量、管道、消息队列等）的通信方式效率高的原因，但是共享内存也有缺点，那就是需要独立实现消息的同步机制。

上一篇博客还是在去年12月份，之后参加了ICRA2019大疆主办的人工智能挑战赛，比赛要做技术方案，又要办理加拿大签证，中间大概忙了三个月的时间，最近刚把最后一次技术报告提交，等待最终的参赛通知，所以把最近一段时间的新的总结一下，ICRA比赛相关的东西我会在赛后总结一下，发布在"ICRA2019"分类下。

第一次参加kaggle比赛，发现kaggle参赛者们贡献的kernel真是神奇，方法多种多样，感觉自己的思路也别打通了，果然众人拾柴火焰高，一个难题竟然被各种各样的方式解决。但是也是深刻认识到，有些kaggle比赛，比的是硬件，而算法都差不多。

之前一直在做分类网路的工作，物体检测网络有了解，但是还没有从头训练过，这次通过几天时间的集中学习，终于理解了整个网络的大部分细节，这里作简要记录。

这篇文章是分析OpenCV中直方图部分的CUDA代码，代码位于~/opencv-3.4.1/modules/cudaimgproc/src/cuda/hist.cu，代码量：少。

着重介绍了阈值二值化及ostu二值化的实现，算法本身很简单，主要是将算法并行化，有点费事，同时也注意到了对于时序性较强的算法，cuda移植后性能并不会得到大幅度提升，提升往往在10倍左右，值得深思。

最近在用CUDA复现图像处理算法时，发现对threadIdx等这类基本概念还是模棱两可，故在此详细总结一下，加深印象。

编写CMakeLists文件是一个程序员的基本素养，如何优雅地编写CMakeLists，是快乐编程的第一步。之前一直是用的最简单形式的CMakeLists文件，但随着开发的项目越来越庞大，不禁发觉CMakeLists的学问还是蛮大的。

git是程序员必备技能之一，学会git，再也不怕瞎**乱改代码，再也不会忘记上次修改了什么地方，用git，快乐编程。

总结一些常用的host及device端函数，解释其内部具体的运行流程，包括一些重要结构体里面的变量，学习CUDA编程之后才发现，GTX 1070性能是真的差啊，被老黄阉割的不忍直视，不过这系列的显卡定位也不是数据计算的。