主要观点：Raptor 是一个高级算法骨架 CUDA 库，旨在简化 CUDA 编程，让程序员专注于问题逻辑，其性能与 thrust 相当。
关键信息：

• 提供智能容器（vector、array、vector<array>、scalar）和骨架（map、reduce、scan、filter、sort）。
• 容器可在主机（CPU）和设备（GPU）存储数据，暴露统一内存地址空间，骨架在设备上执行，必要时自动分配和上传容器。
• 支持通用函数原语raptor::function，可操作多个容器和 GPU 坐标，参数可标记为in、out或inout。
• 与 thrust 相比，Raptor 采用统一地址空间，有多种容器类型，可指定同步粒度，函数原语更灵活，抽象了主机-设备内存管理。
• 性能测试表明，Raptor 在 saxpy、montecarlo 和 mandelbrot 算法上与 thrust 执行时间相近。
  重要细节：
• 在 saxpy 示例中，定义设备函数saxpy，通过map骨架应用函数并计算结果，容器在主机和设备间自动传输和同步。
• 在离散黎曼和示例中，定义compute_area函数，通过map和reduce骨架计算面积和。
• 容器内部存储指针，可浅拷贝，深拷贝需使用copy函数。可设置容器同步粒度为粗粒度或细粒度。
• vector<array>用于处理动态数据结构，在主机和设备上有特定存储布局，提高效率。
• copy和fill函数可异步执行，可指定目标为主机或设备，未来还将支持懒目标。
• 在montecarlo pi估计示例中，定义montecarlo_fun函数，通过apply和reduce骨架计算 pi 估计值。
• 在 saxpy 程序的另一种实现中，使用raptor::function改写程序，更简洁地表达计算。