感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
介紹
- 什麼是GPU編程?
- 為什麼要在Python中使用CUDA?
- 關鍵概念:線程、區塊、網格
CUDA功能與架構概述
- GPU與CPU架構的比較
- 理解SIMT(單指令多線程)
- CUDA編程模型
設置開發環境
- 安裝CUDA工具包與驅動程序
- 安裝Python與Numba
- 設置與驗證環境
並行Programming基礎
- 並行執行介紹
- 理解線程與線程層次結構
- 處理warp與同步
使用Numba編譯器
- Numba介紹
- 使用Numba編寫CUDA核心
- 理解@cuda.jit裝飾器
構建自定義CUDA核心
- 編寫與啟動基本核心
- 使用線程進行逐元素操作
- 管理網格與區塊維度
記憶體Management
- GPU記憶體類型(全局、共享、本地、常量)
- 主機與設備之間的記憶體傳輸
- 優化記憶體使用與避免瓶頸
GPU加速的高級主題
- 共享記憶體與同步
- 使用流進行異步執行
- 多GPU編程基礎
將基於CPU的應用程式轉換為GPU
- 分析CPU代碼
- 識別可並行化的部分
- 將邏輯移植到CUDA核心
疑難排解
- 調試CUDA應用程式
- 常見錯誤與解決方法
- 測試與驗證的工具與技巧
總結與下一步
- 關鍵概念回顧
- GPU編程的最佳實踐
- 持續學習的資源
最低要求
- Python 程式設計經驗
- 具備 NumPy 使用經驗(如 ndarrays、ufuncs 等)
觀眾
- 開發者
14 時間:
客戶評論 (1)
與各種示例非常互動,在培訓開始和結束之間的複雜性進展良好。
Jenny - Andheo
課程 - GPU Programming with CUDA and Python
機器翻譯