Vad CUDA egentligen är
NVIDIA:s plattform för att köra C++ på GPU:n.
Vad CUDA egentligen är är en gratis lektion i CUDA Academy på CoddyKit. Detta är lektion 3 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för CUDA Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i CUDA Academy innehåller totalt 4 lektioner.
Att sätta namn på magin
Du har sett varför GPU:er är snabba. CUDA är verktyget som låter dig faktiskt skriva kod för dem i C++. Nu är det dags att lära känna det ordentligt. 🚀
CUDA är en plattform
CUDA är NVIDIA:s plattform för GPU-beräkningar för allmänna ändamål. Den låter dig köra dina egna program på GPU:n, inte bara grafik.
En utökning av C++
CUDA C++ är helt enkelt C++ med några extra nyckelord och funktioner. Om du kan C++ känns det mesta i CUDA bekant redan från början.
Kernels: kod som körs på GPU:n
En funktion som du markerar för körning på GPU:n kallas en kernel. Tusentals trådar kör var och en denna funktion parallellt.
__global__ void add(int *out, int *a, int *b) {
// runs on the GPU
}Nyckelordet __global__
Taggen __global__ markerar en funktion som en kernel: den kan anropas från CPU:n men körs på GPU:n. Den är din väg till enheten.
Värd och enhet
I CUDA-terminologi är CPU-sidan host och GPU-sidan device. Du kommer att höra de här två orden hela tiden, så lär dig dem nu.
Runtime-API:t
CUDA ger dig ett lättanvänt runtime-API: funktioner som cudaMalloc och cudaMemcpy som hanterar GPU-minne och flyttar data åt dig.
nvcc: CUDA-kompilatorn
Du bygger CUDA-kod med nvcc. Den delar upp filen, skickar host-kod till din vanliga kompilator och device-kod till GPU-kompilatorn.
Det fungerar bara med NVIDIA
CUDA körs endast på NVIDIA-GPU:er. Den täta kopplingen är anledningen till att det fungerar så väloptimerat, men innebär också att det är leverantörsspecifikt.
Ett rikt biblioteksekosystem
CUDA levereras med optimerade bibliotek som cuBLAS för matriser och cuDNN för djupinlärning, så du behöver sällan börja med ett svårt problem från grunden.
Varför CUDA tog över
Mogna verktyg, snabba bibliotek och ett djupt stöd från ekosystemet gjorde CUDA till standardsättet att utföra GPU-beräkningar inom vetenskap och AI i dag.
Snabb kontroll
Låt oss bekräfta vad CUDA egentligen är.
Sammanfattning: vad CUDA är
CUDA är NVIDIA:s plattform som utökar C++ med kernels, ett runtime-API och kompilatorn nvcc, så att din kod kan köras på GPU:n. 👍
Lär dig C++ med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Vad CUDA egentligen är” gratis?
Ja – hela texten till ”Vad CUDA egentligen är” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i CUDA Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i CUDA Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Vad CUDA egentligen är”?
NVIDIA:s plattform för att köra C++ på GPU:n. Ni övar på CUDA Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig CUDA Academy?
Du behöver inga förkunskaper. Utbildningen i CUDA Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 3 av 4.
Hur lång tid tar lektionen ”Vad CUDA egentligen är”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här CUDA Academy-lektionen?
Ja. Varje CUDA Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- CPU eller GPU: fördröjning eller genomströmning
- SIMT: samma instruktion, många trådar
- Vad CUDA egentligen är
- Problem som passar GPU:n