CUDA Academy · Урок

Константная память и её кэш

Экономично распространяйте доступные только для чтения значения.

«Константная память и её кэш» — бесплатный урок CUDA Academy на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения CUDA Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс CUDA Academy содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

A Space for Read-Only Values

Constant memory is a small region built for data that every thread reads but none of them ever writes during a kernel.

Declaring It

You mark a global-scope array with the __constant__ qualifier. It lives outside any function, visible to all your kernels.

__constant__ float weights[256];

It Is Genuinely Small

Total constant memory is only 64 KB on typical GPUs. It is meant for coefficients and parameters, not for large datasets.

Filling It from the Host

You write to constant memory from the CPU using cudaMemcpyToSymbol, since kernels themselves cannot modify it.

cudaMemcpyToSymbol(weights, h_w,
    256 * sizeof(float));

Backed by a Special Cache

Reads flow through a dedicated constant cache on each multiprocessor. A cached value comes back almost as fast as a register.

The Broadcast Superpower

When a whole warp reads the same address, the hardware does one fetch and broadcasts it to all 32 threads in a single step. 📡

Same Address Is the Key

The win depends on uniform access. If threads in a warp read different constant addresses, those reads serialize and the speedup is lost.

Reading It Looks Normal

Inside a kernel you read constant memory like any array. The compiler quietly routes the access through the fast constant cache.

__global__ void k(float *out, int i) {
    out[i] = weights[0] * 2.0f;
}

A Perfect Fit for Filters

Convolution kernels and lookup tables shine here, because every thread reuses the same small set of coefficients over and over.

Set Once, Reuse Often

You typically upload to constant memory a single time, then launch many kernels that all read those unchanging values cheaply.

When Not to Use It

Skip constant memory if your data is large or if threads read scattered addresses. In those cases plain global memory serves you better.

Quick Check

When does constant memory give its biggest speedup?

Recap: Small, Cached, Broadcast

You learned constant memory is a tiny read-only space whose cache broadcasts uniform reads to a whole warp. Use it for small, shared values. ✨

Часто задаваемые вопросы

Урок «Константная память и её кэш» бесплатный?

Да — полный текст урока «Константная память и её кэш» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс CUDA Academy, подпишись на CoddyKit PRO. Курс CUDA Academy содержит 4 уроков всего.

Чему я научусь в уроке «Константная память и её кэш»?

Экономично распространяйте доступные только для чтения значения. Ты практикуешь CUDA Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать CUDA Academy?

Предыдущий опыт не требуется. CUDA Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.

Сколько времени занимает урок «Константная память и её кэш»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке CUDA Academy?

Да. Каждый урок CUDA Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

← Назад к CUDA Academy