我的程序是这样的，每个线程处理这样一个结构体：
struct ST{
unsigned char index[240];
int flag;
};
总共有ST[40000]个。
核函数启动参数配置也应该没问题，用Nsight调试CUDA出现这个问题：CUDA Grid launch failed ，后面是CUContext号和CUmodule号，不知道哪里出了问题。。再此问一下各位哪些原因会导致这个现象？不胜感激！
LZ您好：
1：这个应该是kernel启动参数的问题或者资源使用的问题。
2：您只给出了一个结构体的定义，而没有给出全部的的代码，所以无法判断您的问题在哪里。
大致如此，请您进一步补充您的具体情况。
祝您好运~
也许是每个thread block(线程块）太大了，我遇到过这种问题
发代码，你这样让人猜谜是不行的。
Launch Failed不仅仅是启动时候的形状的问题，你kernel内部的越界之类的也会产生此问题。
以及，如果实在不方便发代码，你将你nsight提示的哪个图发一下，那个里面有详细信息。
感谢千军兄回帖！截图不太方便，写一些代码先看一下吧。。
1.定义结构体如上；
2.主机端分配内存：
ST* h_st;h_st = (ST*)malloc(460*576*sizeof(ST));
3.设备端分配内存：
ST* d_st;
cudaMalloc((void**)&d_st,460*576*sizeof(ST));
4.复制数据:
cudaMemcpy((void*)d_st,(void*)h_st,460*576*sizeof(ST));
5.配置核函数启动参数：
dim3 threadsPerBlock(32,32,1);
dim3 blocksPerGrid((460+32-1)/32,(576+32-1)/32,1);
6.启动核函数：
Mykernel<<<blocksPerGrid,threadsPerBlock>>>(d_st);
7.用的显卡是Quadro 4000,8*32cores.
8.核函数内部有涉及数组的操作，检查了一下代码上没有越界的地方。
还有几个问题：
Q1：主机端分配内存时，使用malloc或者calloc对后面的复制操作有影响不？
Q2：核函数的最后一步是要对所有的（460576）个240维向量扩展成256维做傅里叶变换，如果使用cufft库是不是只能在主机代码内循环460576次？想要在线程中做变换是不是就要自己实现代码而不用cufft库？
LZ您好：
都好几天了，您的问题解决了么？
如需进一步帮助，请按照4#的建议发代码，这是一条多快好省的途径。
祝您好运~
恩现在运行可以，在核函数里的操作也对的。就是还有个问题，使用Nsight的CUDA调试功能会出现Grid launch failed，但是直接用VS 2008的调试运行又是对的，这是Nsight的问题吗？
您确定您直接VS运行结果是正确的吗？
以及，您始终拒绝发kernel代码，甚至连nsight的错误提示图都拒绝给出。
您的问题我无法继续解答了。
您可以提出问题然后论坛为您解答，但是您不能强迫论坛倒求着您，哭着，喊着为您解答。
请三思。
楼主您还有7天的时间提供代码，如果超出7天，我将关闭这个主题。
直接运行正确不代表您真的正确。
举个例子说，
cudaMalloc会使用一个默认大小为1MB的heap进行分配的，哪怕您的代码只分配了1B, 但是您直接运行可以安全的写入到1MB. 例如：
global void cat(int *p) { p[1] = 0;} //注意是写到了p[1]!
…
int *p = NULL;
cudaMalloc(&p, 1);
cat<<<1,1>>>(p);
cudaErrot_t result = cudaDeviceSynchronize();
那么这个result,在您直接运行的时候，应该返回cudaSuccess的（不用怀疑这个，这是我和ICE很久之前做过的一个试验）。
但是虽然返回的是cudaSuccess, 但严格来说，您已经越界了，算法已经出错了。但是您直接运行是看不出来的。（您可以一直越界到1MB才会cuda error unknown的)
但是如果您在nsight(前提是您没有关闭nsight的访存检查选项）下运行，您将可能会立刻得到一个错误提示: 某block中的某线程因为****行为而导致了错误。
所以您看，这是我一直让您提供代码和/或nsight的错误提示的截图的原因。
这会帮助您尽快找到问题，解决问题。
如果您认为您现在的直接运行是“无问题的”，“可以接受的”，那么您也可以不做回复。
（但您在nsight下报错是个隐患，严肃点说，这就是BUG)
感谢您的莅临。