Skip to content

uyplayer/Cuda-Notebook

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

CUDA 进阶学习计划

CUDA相关库学习计划

1. CUDA

首先,学习CUDA编程基础知识。理解CUDA的并行计算模型、内存管理、线程组织等概念是非常重要的,这将为你后续学习其他CUDA库打下良好的基础。

2. Thrust

在掌握CUDA基础后,学习Thrust库。Thrust提供了高层次的并行编程接口,使得你可以更方便地编写并行算法。Thrust类似于C++标准模板库(STL),但专门优化用于GPU计算。

3. cuBLAS

学习cuBLAS库,用于加速基本线性代数运算,如矩阵乘法、向量运算等。cuBLAS是很多高性能计算任务的基础。

4. cuSPARSE

了解cuSPARSE库,用于稀疏矩阵运算。对于需要处理大规模稀疏矩阵的应用,cuSPARSE是一个非常重要的工具。

5. cuFFT

学习cuFFT库,用于快速傅里叶变换(FFT)。FFT在信号处理和图像处理等领域有广泛的应用,cuFFT可以极大地加速这些计算。

6. cuDNN

掌握cuDNN库,用于深度学习的加速。cuDNN包括卷积、池化、激活函数等操作,是深度学习框架(如TensorFlow和PyTorch)高效运行的基础。

7. CUTLASS

学习CUTLASS库,它提供了高效的矩阵乘法和卷积操作的实现。CUTLASS可以帮助你了解深度学习基础运算的原理,并进行自定义优化。

8. TensorRT

学习TensorRT,用于深度学习模型的优化和部署。TensorRT可以极大地加速推理过程,是实际应用中非常重要的工具。

9. Libtorch

最后,学习Libtorch(PyTorch的C++库)。Libtorch允许你在C++中使用PyTorch的功能,对于需要高性能和灵活性的应用非常有用。

资源

高级资源

配置

- 安装Clion编辑器
- 安装vpkg插件
- 本地安装vcpkg
- 插件配置本地安装vcpkg