Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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
Course - GPU Programming with CUDA and Python
機器翻譯