听闻英伟达的GPU计算卡很久，一直没有使用过，现在涉及到大量计算的问题，想尝试下并行计算的威力，有几点疑惑希望大虾指点：
拿tesla c2075为例，其内存为ddr5 6gb，用gpu运算时这6gb内存不够时，会发生啥情况？会调用CPU的内存（电脑的）么？如果会的话，GPU与CPU内存之间的数据传输速度比CPU直接访问CPU内存的速度慢多少？比CPU访问硬盘的速度又快多少？
哪位大虾知道的话，望点拨点拨，鄙人先谢啦！
内存不够的情况下编译会出错，cudaMalloc将会返回错误信息。
GPU无法使用CPU空间的内存（mapped memory例外，但是是在某些特殊情况下使用的）。
GPU与CPU内存传输速度看的是PCI-E带宽，肯定比CPU访问内存慢，不过传输速度还是够用的，但是要快于CPU访问硬盘的速度！
首先感谢大虾！
您的意思是指，我在使用内存的时候，一开始开的数据太大或是在计算过程中产生的数据超过自带的内存（如6 GB）后就会返回错误信息，不能继续下去么？
还有您说的特殊情况能举个通俗点儿的例子么？就比如说我现在的数据需要内存不够时，可以调用么？
谢谢您！
1：GPU一般无法调用CPU端的内存，有6GB显存就只能用这些，如果不够用，需要你自行拆分数据，写出合适的算法程序。
2：GPU和CPU通信需要走pci-e总线，如果需要和系统内存传递数据，还要经过北桥（包括被CPU集成的北桥）里面的内存控制器。一般来说，好一点显卡的显存带宽是pci-e总线 16X速率的10~20倍，好一点CPU的内存带宽是pci-e总线16X速率的数倍。所以你如果需要大量数据走pci-e总线的话，GPU会被pci-e总线完全拖住，无法发挥出效能。
至于硬盘，硬盘的延迟大概比内存慢6个数量级，如果您真的可以忍受硬盘的速度，我觉得那也没必要上神马GPU加速了。
非常感谢您的回答，使我获得了不少信息，我没有接触过并行计算，思想还停留在很原始的编程阶段，所以才会有以上疑问，谢谢您！
另：我看很多人都是用多块计算卡的，他们的显存、内存是如何协调的，会有被pci-e总线拖慢的情况么？
多卡需要分拆数据，只通过pci-e总线传递少量的边界数据，并且尽量用计算掩盖其传输过程。
（另外，请勿在正式的讨论帖中使用各种嬉皮笑脸的表情。）
谢谢大侠指导，我已纠正，不敢再嬉皮笑脸了！定以严谨的态度对待您的回答。
版主，推荐一本入门学习gpu并行计算的书吧！谢谢！
1：第一手资料推荐NV的官方文档。
2：入门教程推荐国外大学CUDA课程的视频，可以在各种公开课网站找到，配套的讲义等可以在各学校的网站上找到。
3：NV网站上也有一些学习书籍的介绍，可以找来参考。
第一和第二我都可以去找，第二你说的公开课网站我在几个较大的网易和新浪里没有搜索到呀，能推荐一本纸质的书么？我买来学习学习，谢谢！
斯坦福大学的CUDA课程iTUNES U上有。MIT和UIUC的讲义和录音各自学校网页上有。2008年胡文美老师台大的短期讲座视频和讲义网上也都有，就是内容稍微老点。另外可以去优酷和土豆等网站看。
我觉得这些讲义加上官方手册就不错。书也有几本，不过CUDA发展很快，书籍不修订的话，一两年就有些不合适了。要看的话，CUDA by example
算一本把吧。
好的，谢谢！
不客气，还可以找胡文美老师主编的GPU computing GEMs系列两卷，hands on approach等。