安装了适当的GPU驱动程序和CUDA工具包

后，您可以开始使用CUDA编写GPU加速程序。下面是基本的CUDA编程步骤：

1. 在主机上分配内存并初始化数据。
2. 将数据从主机内存复制到设备内存。
3. 在设备上启动内核函数，该函数将在GPU上执行。
4. 在主机上等待内核函数执行完成。
5. 将结果从设备内存复制回主机内存。

以下是一个简单的CUDA程序示例，该程序将两个向量相加：

#include <stdio.h>

__global__ void add(int *a, int *b, int *c) {
    int i = threadIdx.x;
    c[i] = a[i] + b[i];
}

int main(void) {
    int a[5] = {1, 2, 3, 4, 5};
    int b[5] = {10, 20, 30, 40, 50};
    int c[5] = {0, 0, 0, 0, 0};
    int *dev_a, *dev_b, *dev_c;
    cudaMalloc((void**)&dev_a, 5 * sizeof(int));
    cudaMalloc((void**)&dev_b, 5 * sizeof(int));
    cudaMalloc((void**)&dev_c, 5 * sizeof(int));
    cudaMemcpy(dev_a, a, 5 * sizeof(int), cudaMemcpyHostToDevice);
    cudaMemcpy(dev_b, b, 5 * sizeof(int), cudaMemcpyHostToDevice);
    add<<<1, 5>>>(dev_a, dev_b, dev_c);
    cudaMemcpy(c, dev_c, 5 * sizeof(int), cudaMemcpyDeviceToHost);
    printf("{%d, %d, %d, %d, %d}\n", c[0], c[1], c[2], c[3], c[4]);
    cudaFree(dev_a);
    cudaFree(dev_b);
    cudaFree(dev_c);
    return 0;
}

在此示例中，`add`函数是在GPU上执行的内核函数。`threadIdx.x`变量表示当前线程的索引。`<<<1, 5>>>`表示启动1个块，每个块包含5个线程。`cudaMalloc`和`cudaMemcpy`函数用于分配和复制内存。`cudaFree`函数用于释放设备内存。最后，程序输出两个向量的和。