CUDA Academy · Ders

Dinamik Paylaşılan Bellek

Paylaşılan belleğin boyutunu başlatma sırasında belirleyin.

Dinamik Paylaşılan Bellek, CoddyKit'te ücretsiz bir CUDA Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, CUDA Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. CUDA Academy kursu toplamda 4 dersten oluşur.

Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.

When Size Is Not Known Yet

Sometimes the shared array size depends on a runtime value, so you cannot hardcode it. CUDA solves this with dynamic shared memory.

The extern Declaration

You declare it with extern __shared__ and empty brackets. No size goes in the code, so the compiler leaves it open.

extern __shared__ float sdata[];

Size Set at Launch

You pass the byte count as the third launch parameter, between the thread count and the closing brackets. That sets the size at runtime.

kern<<<blocks, threads, n * sizeof(float)>>>();

It Is Always in Bytes

A classic bug: that third argument is the size in bytes, not elements. Always multiply your count by sizeof to get it right.

Default Is Zero Bytes

If you skip the third argument, CUDA reserves zero dynamic shared memory. Reading sdata then is undefined behavior, so never forget it.

Static and Dynamic Together

You can use both kinds in one kernel. Static arrays keep fixed sizes while the dynamic block flexes with the launch argument.

One Buffer, Many Arrays

Dynamic shared memory gives you one flat buffer. To hold several arrays, you carve it up yourself with pointer offsets. 🔪

Carving With Offsets

Point a second array partway into the buffer. Just be careful to align each piece so a float never starts mid-word.

extern __shared__ float buf[];
float* a = buf;
float* b = &buf[blockDim.x];

Why Bother With Dynamic

It lets one compiled kernel serve many tile sizes. You tune the shared size per launch without recompiling for each case.

Watch the Hardware Limit

You still cannot exceed the per-block maximum. Ask for too many bytes at launch and the kernel simply fails to start.

Opting Into Large Allocations

To go past the default cap on newer GPUs, you must opt in with cudaFuncSetAttribute before the launch. Otherwise big requests are rejected.

Quick Check

Let us check how dynamic shared memory is sized.

Recap

You learned that extern __shared__ arrays get their byte size at launch, can be sliced into several arrays, and respect the per-block limit. Course complete! 🎉

Sıkça Sorulan Sorular

“Dinamik Paylaşılan Bellek” dersi ücretsiz mi?

Evet — “Dinamik Paylaşılan Bellek” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve CUDA Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. CUDA Academy kursu toplamda 4 dersten oluşur.

“Dinamik Paylaşılan Bellek” dersinde ne öğreneceğim?

Paylaşılan belleğin boyutunu başlatma sırasında belirleyin. CUDA Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

CUDA Academy öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te CUDA Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.

“Dinamik Paylaşılan Bellek” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu CUDA Academy dersinde kod yazıp çalıştırabilir miyim?

Evet. Her CUDA Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

← CUDA Academy Sayfasına Dön