Wektory i transformacje Thrust
Równoległość w stylu STL na GPU
Wektory i transformacje Thrust to bezpłatna lekcja CUDA Academy na CoddyKit. To lekcja 2 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.
STL dla Twojego GPU
Thrust to wysokopoziomowa biblioteka przypominająca C++ STL, która działa na GPU. Samodzielnie piszesz niemal zero kodu kerneli. 🎉
Dwa rodzaje wektorów
Thrust udostępnia host_vector dla pamięci procesora oraz device_vector dla pamięci GPU. Wyglądają identycznie, ale działają w dwóch różnych światach.
thrust::host_vector<int> h(100);
thrust::device_vector<int> d(100);Kopiowanie między granicami
Przypisanie host_vector do device_vector automatycznie uruchamia transfer pamięci. Nie trzeba ręcznie pisać kodu cudaMemcpy.
thrust::device_vector<int> d = h; // host to deviceAlokacja jest automatyczna
Obiekt device_vector za pomocą RAII samodzielnie alokuje i zwalnia pamięć GPU. Gdy wyjdzie poza zakres, pamięć zostaje prawidłowo zwolniona.
Wypełnianie i sekwencje
Funkcje pomocnicze, takie jak thrust::fill i thrust::sequence, inicjalizują cały device_vector w jednym równoległym wywołaniu, zamiast korzystać z ręcznie napisanej pętli.
thrust::sequence(d.begin(), d.end()); // 0,1,2,...Transformacja odwzorowuje elementy
thrust::transform stosuje funkcję równolegle do każdego elementu i zapisuje wynik w zakresie wyjściowym. To klasyczny wzorzec map.
thrust::transform(d.begin(), d.end(),
out.begin(), op);Funktory definiują operację
Przekazywana operacja to funktor: struktura z operatorem operator(), oznaczonym __host__ __device__, dzięki czemu może działać na GPU.
struct Square { __host__ __device__
float operator()(float x){ return x*x; } };Wbudowane operatory
W przypadku typowych obliczeń matematycznych Thrust udostępnia funktory, takie jak thrust::plus i thrust::multiplies, więc przy prostych zadaniach nie trzeba pisać własnego funktora.
thrust::transform(a.begin(), a.end(),
b.begin(), c.begin(), thrust::plus<float>());Dwa wejścia, jedno wyjście
Binarny wariant transform przyjmuje dwa zakresy wejściowe i łączy je parami — idealnie nadaje się do dodawania wektorów element po elemencie.
Pobierz surowy wskaźnik
Chcesz przejść do ręcznie napisanego kernela? thrust::raw_pointer_cast udostępnia bazowy wskaźnik do pamięci urządzenia, który można dalej przekazać.
float* p = thrust::raw_pointer_cast(d.data());Mniej kodu, mniej błędów
Thrust ukrywa alokacje, kopiowanie i konfigurację uruchomień. W zamian za odrobinę kontroli otrzymujesz czytelny i bezpieczny kod GPU, który po prostu działa.
Szybkie sprawdzenie
Przypomnij sobie, jak Thrust stosuje operację do całego wektora.
Podsumowanie
Użyłeś device_vector do automatycznego zarządzania pamięcią, przesłałeś dane przez przypisanie i uruchomiłeś transform z funktorami. Moc GPU w stylu STL. 💪
Często zadawane pytania
Czy lekcja „Wektory i transformacje Thrust” jest bezpłatna?
Tak — pełny tekst „Wektory i transformacje Thrust” 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 „Wektory i transformacje Thrust”?
Równoległość w stylu STL na GPU 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 2 z 4.
Ile czasu zajmuje lekcja „Wektory i transformacje Thrust”?
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
- cuBLAS GEMM jak należy
- Wektory i transformacje Thrust
- Reduce, Scan i Sort w Thrust
- cuDNN na potrzeby deep learningu