原文： http://numba.pydata.org/numba-doc/latest/cuda/cuda_array_interface.html
_cuda 数组接口 _ 是为各种项目中类似 GPU 阵列的对象的不同实现之间的互操作性而创建的。这个想法来自 numpy 数组接口。
注意
目前，我们只定义了 Python 端接口。将来，我们可能会添加一个 C 端接口，以便在编译代码中有效地交换信息。
注意
实验功能。规格可能会改变。
__cuda_array_interface__属性是类似字典的对象，必须包含以下条目：
-
形状：
(integer, ...)> <cite>int</cite> （或 <cite>long</cite> ）的元组，表示每个维度的大小。
-
typestr ： <cite>str</cite>
> 类型字符串。这与 numpy 阵列接口中的 typestr 具有相同的定义。
-
数据：<cite>（整数，布尔值）</cite>
> 数据是 2 元组。第一个元素数据指针为 Python <cite>int</cite> （或 <cite>long</cite> ）。数据必须是设备可访问的。第二个元素是 Python <cite>bool</cite> 的只读标志。 > > 因为接口的用户可能在同一个上下文中，也可能不在同一个上下文中，最常见的情况是在 CUDA 驱动程序 API（或等效的 CUDA Runtime API）中使用
cuPointerGetAttribute和CU_POINTER_ATTRIBUTE_DEVICE_POINTER来检索设备指针可用于当前活动的上下文中。 -
版：<cite>整数</cite>
> 要导出的接口版本的整数。目前的版本是 0 ，因为它仍处于试验阶段。
以下是可选条目：
-
跨步：
None或(integer, ...)> <cite>int</cite> （或 <cite>long</cite> ）的元组，表示要跳过以访问每个维度的下一个元素的字节数。如果是
None，则假定该数组采用 C 连续布局。 -
descr
> 这是为了描述更复杂的类型。这遵循与 numpy 阵列接口中相同的规范。
可以使用cuPointerGetAttribute或cudaPointerGetAttributes检索有关数据指针的其他信息。这些信息包括：
- 拥有指针的 CUDA 上下文;
- 指针主机可访问？
- 指针是一个托管内存？