0Pricing
CUDA Academy · Ders

Merhaba GPU: İlk .cu Dosyanız

En basit CUDA programını oluşturun ve çalıştırın.

Merhaba GPU: İlk .cu Dosyanız, 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.

Your First .cu File

Time to build something real. A CUDA program lives in a .cu file, which can hold both CPU and GPU code side by side. 🎉

Include the Header

Most CUDA samples start by pulling in standard headers. The CUDA runtime header is included automatically by nvcc, so iostream is often enough.

#include <cstdio>

Marking a Kernel

A function that runs on the GPU is a kernel. You mark it with the __global__ qualifier so nvcc compiles it for the device.

__global__ void hello() {
}

Printing from the GPU

Inside the kernel you can call printf just like on the CPU. Each GPU thread that runs it produces its own line of output.

__global__ void hello() {
  printf("Hello from GPU\n");
}

The Launch Syntax

To run a kernel you use the triple-angle-bracket launch. The numbers inside choose how many blocks and threads will execute it.

hello<<<1, 1>>>();

Launches Are Asynchronous

A kernel launch returns immediately while the GPU works in the background. The CPU keeps going, which is powerful but can be surprising at first.

Waiting for the GPU

Because of that, you must synchronize before the program ends, or the printf output may never appear on screen.

cudaDeviceSynchronize();

Putting It Together

Your main function launches the kernel and then waits. That is the entire skeleton of a working CUDA program.

int main() {
  hello<<<1, 1>>>();
  cudaDeviceSynchronize();
}

Compile It

Save the file as hello.cu and build it with nvcc, naming the output program with the -o flag.

nvcc hello.cu -o hello

Run It

Now run the program. Seeing Hello from GPU printed means your code truly executed on the device. That is your first GPU output! 🚀

./hello

Many Threads at Once

Bump the launch to many threads and you will see the greeting printed several times, one line per thread. That is real parallelism in action.

hello<<<1, 8>>>();

Quick Check

One detail makes or breaks this program.

Recap

You wrote a real CUDA program: a __global__ kernel, a triple-bracket launch, and a sync. Compile with nvcc, run it, and the GPU greets you. Congrats! 🎓

Sıkça Sorulan Sorular

“Merhaba GPU: İlk .cu Dosyanız” dersi ücretsiz mi?

Evet — “Merhaba GPU: İlk .cu Dosyanız” 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.

“Merhaba GPU: İlk .cu Dosyanız” dersinde ne öğreneceğim?

En basit CUDA programını oluşturun ve çalıştırın. 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.

“Merhaba GPU: İlk .cu Dosyanız” 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

  1. Sürücü, Çalışma Zamanı ve Araç Seti Sürümleri
  2. nvidia-smi'yi Uzman Gibi Okuyun
  3. nvcc ile Derleme
  4. Merhaba GPU: İlk .cu Dosyanız
← CUDA Academy Sayfasına Dön