原著：The maximum threads per block are 512, and hence the total number of blocks is calculated by dividing the total number of threads (N) by 512. But if N is not an exact multiple of 512, then N divided by 512 may give a wrong number of blocks, which is one less than the actual count. So, to get the next highest integer value for the number of blocks, 511 is added to N and then it is divided by 512. It is basically the ceil operation on division.
注解：在C系的语言中，整数的除法操作，a / b, 是不四舍五入的，一概舍掉尾数。例如7 / 3 = 2，余数或者尾数都不要了。这样如果不能整除，（6/3是整除的，得2。但7/3也得2。8/3也得2.直到9/3=3）实际上会稍微造成一点启动CUDA线程总数的问题，例如说，513个总线程，实际上513 / 512 = 1（因为C不要尾数），这样实际上只启动了1个block，里面只有512个线程，那么最后一个线程怎么办？答案是，单独为它其他一个不满的block。也就是说，实际上最常见的代码是这样的：
count = N / 512;
if (N % 512 != 0) //不能整除
count++;
也就是可以手工判断一次，如果不能整除，+1个block。这是为何这里说的block会少一个的由来。作者没解释。
然后+511又是什么鬼？有一个常见的优化，可以将if优化掉。刚才那个判断可以直接用这样的方式解决：
count = a / b;
if (a % b != 0) count++;
可以被优化成：count = (a + b - 1) / b;
这里的(a + b - 1) / b被叫做整数的快速向上取整优化（见于任何一本计算机学科的《数值计算》课程）。
所以这里的b如果是512的话，就成了：(a + 512 - 1) / 512， 也就是(a + 511) / 512
所以是这样来的。
