0Pricing
CUDA Academy · Leçon

Compiler avec nvcc

Découvrez comment nvcc sépare le code hôte du code appareil.

Compiler avec nvcc est une leçon CUDA Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage CUDA Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours CUDA Academy comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Meet nvcc

The CUDA compiler is called nvcc. It takes your .cu file with mixed CPU and GPU code and turns it into one runnable program. 🛠️

Two Kinds of Code

A .cu file holds two worlds: host code that runs on the CPU and device code that runs on the GPU. nvcc must handle each one differently.

The Great Split

nvcc splits your source automatically. It hands the host portions to your normal C++ compiler and keeps the device portions for itself.

Compiling Device Code

For the GPU side, nvcc generates a special assembly called PTX, then turns it into machine code your specific GPU can execute.

The Host Compiler

nvcc does not compile CPU code itself. It quietly calls your system's host compiler, like g++ or clang, to handle the ordinary C++.

Your First Build Command

Compiling looks just like g++. Point nvcc at your .cu file and name the output with the -o flag.

nvcc hello.cu -o hello

Targeting an Architecture

The -arch flag tells nvcc which GPU generation to build for. Matching it to your card produces faster, fully optimized device code.

nvcc -arch=sm_80 hello.cu -o hello

Compute Capability

That sm number is a compute capability, a label for a GPU's feature set. sm_80 means an Ampere card; older cards use smaller numbers.

Fatbins for Many GPUs

nvcc can pack code for several architectures into one fatbinary, so the same executable runs well on different GPUs without rebuilding.

Familiar Optimization Flags

Many g++ habits carry over. nvcc accepts -O levels and -g for debugging, passing them along to the right compiler stage.

nvcc -O3 hello.cu -o hello

Linking CUDA Libraries

Need a tuned library like cuBLAS? You link it just as in g++, adding the library name with an -l flag on the nvcc command.

nvcc app.cu -lcublas -o app

Quick Check

Let us check how nvcc divides the work.

Recap

You learned that nvcc splits a .cu file, compiles device code to GPU machine code, and hands host code to g++. The -arch flag targets your card. 🎯

Questions Fréquemment Posées

La leçon « Compiler avec nvcc » est-elle gratuite ?

Oui — le texte complet de « Compiler avec nvcc » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours CUDA Academy, passe à CoddyKit PRO. Le cours CUDA Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Compiler avec nvcc » ?

Découvrez comment nvcc sépare le code hôte du code appareil. Tu pratiques CUDA Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer CUDA Academy ?

Aucune expérience préalable n'est requise. CUDA Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.

Combien de temps prend la leçon « Compiler avec nvcc » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon CUDA Academy ?

Oui. Chaque leçon CUDA Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Versions du pilote, de l’environnement d’exécution et de la boîte à outils
  2. Lire nvidia-smi comme un professionnel
  3. Compiler avec nvcc
  4. Bonjour GPU : votre premier fichier .cu
← Retour à CUDA Academy