在CUDA Python课程中，“Numba辅助的自定义核函数与内存管理”是一个关键难点

始终认为自身设计的算法不存在问题，但最终测试所得结果却与预期存在偏差。
失误之处竟位于一个看似合理且易于接受的位置。

解决方案

在最终测试环节中，存在一个表面无误、无需进行任何调整的单元格，即这一行内容，初看之下似乎不存在任何问题。

    d_histogram_out = cuda.device_array_like(histogram_out)
    
    
      
    

必须将设备数组全部置零后，方可通过测试，例如：

    zero_array = np.zeros(histogram_out.shape[0])
    d_histogram_out = cuda.to_device(zero_array)
    
    
      
      
    

注：对于CUDA初学者而言，尚不清楚如何直接生成设备端全零数组，只能采取此种方式，了解相关方法的朋友欢迎在评论区分享

最终效果图展示

![在这里插入图片描述](https://ad.itadn.com/c/weblo