CUDA Academy · Lektion

Die Verarbeitungspipeline entwerfen

Stufen, Puffer und Datenfluss

Die Verarbeitungspipeline entwerfen ist eine kostenlose CUDA Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des CUDA Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der CUDA Academy-Kurs umfasst insgesamt 4 Lektionen.

Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.

Think in Stages

A real image pipeline is a chain of stages: load, blur, sharpen, color-correct, save. Each stage is one clear transformation you can reason about alone. 🧩

Data Flows One Way

Pixels move forward through the pipeline: each stage reads the previous output and produces the next input. This one-way data flow keeps the design simple to follow.

Buffers Hold the In-Between

Between two stages you need a place to park pixels. A buffer is just a device array that one kernel writes and the next kernel reads. Plan a buffer per boundary.

float* d_stage1;
cudaMalloc(&d_stage1, width * height * sizeof(float));

Ping-Pong Two Buffers

You rarely need a fresh buffer per stage. Ping-pong between two buffers: read from one, write to the other, then swap. Two buffers serve a whole chain.

std::swap(d_in, d_out);

One Kernel Per Stage, For Now

Start with one kernel per stage. It is the clearest design and the easiest to verify. You will fuse stages later once each one is correct.

Map Pixels to Threads

The natural mapping is one thread per pixel. A 2D grid covers width and height, so each thread owns exactly one (x, y) location to process.

int x = blockIdx.x * blockDim.x + threadIdx.x;
int y = blockIdx.y * blockDim.y + threadIdx.y;

Index With Row Pitch

Images are stored row by row. Turn (x, y) into a flat offset with row-major indexing so every thread reads the right pixel.

int idx = y * width + x;

Guard the Image Borders

Your grid is rounded up, so some threads fall outside the image. A simple bounds check keeps them from touching memory they should not.

if (x >= width || y >= height) return;

Choose a 2D Block Shape

A block like 16x16 or 32x8 gives good coverage and warp-friendly rows. Pick a 2D block shape that divides the image cleanly when you can.

dim3 block(16, 16);
dim3 grid((width+15)/16, (height+15)/16);

Allocate Once, Reuse Often

Allocating device memory is costly, so do it once before the loop. Reuse the same buffers for every frame instead of malloc and free each time.

Sketch Before You Code

Draw the stages, their buffers, and the arrows between them first. A clear diagram of data flow catches design mistakes long before any kernel runs. ✏️

Quick Check

You have a chain of stages. How do you avoid allocating a new buffer for every stage?

Recap

You designed a pipeline as one-way stages joined by buffers, mapped one thread per pixel with a 2D grid, and learned to ping-pong buffers and sketch the flow first. 🎯

Häufig gestellte Fragen

Ist die Lektion „Die Verarbeitungspipeline entwerfen“ kostenlos?

Ja — der vollständige Text von „Die Verarbeitungspipeline entwerfen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des CUDA Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der CUDA Academy-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Die Verarbeitungspipeline entwerfen“?

Stufen, Puffer und Datenfluss Du übst CUDA Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um CUDA Academy zu starten?

Keine Vorkenntnisse erforderlich. CUDA Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.

Wie lange dauert die Lektion „Die Verarbeitungspipeline entwerfen“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser CUDA Academy-Lektion Code schreiben und ausführen?

Ja. Jede CUDA Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

← Zurück zu CUDA Academy