Kompilowanie za pomocą nvcc
Zrozumieć, jak nvcc rozdziela kod hosta i urządzenia.
Kompilowanie za pomocą nvcc to bezpłatna lekcja CUDA Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej CUDA Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs CUDA Academy zawiera 4 lekcji w sumie.
Poznaj nvcc
Kompilator CUDA nazywa się nvcc. Przyjmuje plik .cu zawierający kod CPU i GPU, a następnie zamienia go w jeden wykonywalny program. 🛠️
Dwa rodzaje kodu
Plik .cu zawiera dwa światy: kod hosta wykonywany na CPU oraz kod urządzenia wykonywany na GPU. nvcc musi obsłużyć każdy z nich inaczej.
Wielki podział
nvcc automatycznie dzieli kod źródłowy. Fragmenty hosta przekazuje zwykłemu kompilatorowi C++, a fragmenty urządzenia zachowuje dla siebie.
Kompilowanie kodu urządzenia
Po stronie GPU nvcc generuje specjalny język asemblera o nazwie PTX, a następnie zamienia go na kod maszynowy wykonywany przez konkretny układ GPU.
Kompilator hosta
nvcc sam nie kompiluje kodu CPU. W tle wywołuje systemowy kompilator hosta, taki jak g++ lub clang, aby obsłużyć zwykły kod C++.
Pierwsze polecenie kompilacji
Kompilowanie wygląda tak samo jak w przypadku g++. Wskaż programowi nvcc plik .cu i nazwij plik wynikowy za pomocą flagi -o.
nvcc hello.cu -o helloWybór architektury
Flaga -arch informuje nvcc, dla której generacji GPU ma zbudować program. Dopasowanie jej do karty zapewnia szybszy i w pełni zoptymalizowany kod urządzenia.
nvcc -arch=sm_80 hello.cu -o helloCompute Capability
Numer sm oznacza compute capability, czyli etykietę zestawu funkcji GPU. sm_80 oznacza kartę Ampere, a starsze karty używają mniejszych numerów.
Fatbiny dla wielu GPU
nvcc może umieścić kod dla kilku architektur w jednym fatbinary, dzięki czemu ten sam plik wykonywalny działa dobrze na różnych GPU bez ponownego kompilowania.
Znane flagi optymalizacji
Wiele przyzwyczajeń z g++ pozostaje aktualnych. nvcc obsługuje poziomy -O oraz -g do debugowania i przekazuje je do właściwego etapu kompilacji.
nvcc -O3 hello.cu -o helloŁączenie bibliotek CUDA
Potrzebuje Pan/Pani zoptymalizowanej biblioteki, takiej jak cuBLAS? Należy ją zlinkować tak samo jak w g++, dodając nazwę biblioteki za pomocą flagi -l w poleceniu nvcc.
nvcc app.cu -lcublas -o appSzybkie sprawdzenie
Sprawdźmy, jak nvcc dzieli pracę.
Podsumowanie
Dowiedział(a) się Pan/Pani, że nvcc dzieli plik .cu, kompiluje kod urządzenia do kodu maszynowego GPU, a kod hosta przekazuje do g++. Flaga -arch wskazuje docelową kartę. 🎯
Często zadawane pytania
Czy lekcja „Kompilowanie za pomocą nvcc” jest bezpłatna?
Tak — pełny tekst „Kompilowanie za pomocą nvcc” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu CUDA Academy, przejdź na CoddyKit PRO. Kurs CUDA Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Kompilowanie za pomocą nvcc”?
Zrozumieć, jak nvcc rozdziela kod hosta i urządzenia. Ćwiczysz CUDA Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć CUDA Academy?
Nie wymagamy żadnego doświadczenia. CUDA Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Kompilowanie za pomocą nvcc”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji CUDA Academy?
Tak. Każda lekcja CUDA Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Wersje sterownika, środowiska wykonawczego i Toolkit
- Profesjonalne odczytywanie nvidia-smi
- Kompilowanie za pomocą nvcc
- Witaj, GPU: pierwszy plik .cu