Vectores y transformaciones de Thrust
Paralelismo al estilo de STL en la GPU
Vectores y transformaciones de Thrust es una lección gratuita de CUDA Academy en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de CUDA Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de CUDA Academy incluye 4 lecciones en total.
El STL de su GPU
Thrust es una biblioteca de alto nivel que se parece al STL de C++, pero se ejecuta en la GPU. Usted casi no tiene que escribir código de kernels. 🎉
Dos tipos de vector
Thrust proporciona host_vector para la memoria de la CPU y device_vector para la memoria de la GPU. Se ven idénticos, pero viven en mundos diferentes.
thrust::host_vector<int> h(100);
thrust::device_vector<int> d(100);Copiar entre ambos lados
Asignar un host_vector a un device_vector activa automáticamente una memory transfer. No tiene que escribir código repetitivo de cudaMemcpy a mano.
thrust::device_vector<int> d = h; // host to deviceLa asignación es automática
Un device_vector asigna y libera la memoria de la GPU por usted mediante RAII. Cuando sale de ámbito, la memoria se libera correctamente.
Rellenar y generar secuencias
Ayudantes como thrust::fill y thrust::sequence inicializan un device_vector completo en una sola llamada paralela, en lugar de usar un bucle manual.
thrust::sequence(d.begin(), d.end()); // 0,1,2,...Transformar asigna un elemento a otro
thrust::transform aplica una función a cada elemento en paralelo y escribe el resultado en un rango de salida. Este es el patrón clásico de map.
thrust::transform(d.begin(), d.end(),
out.begin(), op);Los functors son la operación
La operación que pasa es un functor: una estructura con un operator() marcado como __host__ __device__ para que pueda ejecutarse en la GPU.
struct Square { __host__ __device__
float operator()(float x){ return x*x; } };Operadores integrados
Para las operaciones matemáticas habituales, Thrust incluye functors como thrust::plus y thrust::multiplies, de modo que no tiene que escribir un functor para tareas sencillas.
thrust::transform(a.begin(), a.end(),
b.begin(), c.begin(), thrust::plus<float>());Dos entradas, una salida
La versión binaria de transform recibe dos rangos de entrada y los combina elemento a elemento, lo que resulta perfecto para sumar vectores elemento a elemento.
Obtener el puntero sin formato
¿Necesita pasar a un kernel escrito a mano? thrust::raw_pointer_cast le proporciona el puntero subyacente al dispositivo para que pueda pasarlo.
float* p = thrust::raw_pointer_cast(d.data());Menos código, menos errores
Thrust oculta la asignación, las copias y las configuraciones de lanzamiento. A cambio de un poco de control, obtiene código de GPU legible y seguro que funciona sin complicaciones.
Comprobación rápida
Recuerde cómo aplica Thrust una operación a un vector completo.
Repaso
Usó device_vector para gestionar automáticamente la memoria, transfirió datos mediante asignaciones y ejecutó transform con functors. Potencia de la GPU al estilo del STL. 💪
Aprende C++ con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Vectores y transformaciones de Thrust» es gratis?
Sí — el texto completo de «Vectores y transformaciones de Thrust» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de CUDA Academy, actualiza a CoddyKit PRO. El curso de CUDA Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Vectores y transformaciones de Thrust»?
Paralelismo al estilo de STL en la GPU Practicas CUDA Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar CUDA Academy?
No se requiere experiencia previa. CUDA Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.
¿Cuánto tiempo toma la lección «Vectores y transformaciones de Thrust»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de CUDA Academy?
Sí. Cada lección de CUDA Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- cuBLAS GEMM bien hecho
- Vectores y transformaciones de Thrust
- Reduce, Scan y Sort de Thrust
- cuDNN para deep learning