CUDA之GPU生态系统

易于编程和性能的巨大飞跃是 CUDA 平台被广泛采用的关键原因之一。CUDA 平台成功的第二大原因是拥有广泛而丰富的生态系统。

与任何新平台一样，CUDA 的成功取决于可用于 CUDA 生态系统的工具、库、应用程序和合作伙伴。任何新的计算平台都需要开发人员将应用程序移植到新平台。为此，开发人员需要最先进的工具和开发环境。

应用程序开始扩展后，在数据中心级别需要更多工具。NVIDIA 致力于为开发者和企业提供最先进的工具和生态系统服务。

图 1：CUDA 生态系统：使 CUDA 平台成为最佳开发者选择的构建块

NVIDIA 近期发布了最新的A100 架构和基于这种新架构的DGX A100系统。新的 A100 GPU 还配备了丰富的生态系统。

图 1 显示了更广泛的生态系统组件，这些组件在超过 15 年的时间里演变。在这篇文章中，我深入介绍了每个生态系统组件的介绍性细节。

编程语言和 API

CUDA 1.0 开始时仅支持 C 编程语言，但多年来一直在发展。CUDA 现在允许使用多种高级编程语言对 GPU 进行编程，包括 C、C++、Fortran、Python 等。

NVIDIA 发布了 CUDA 工具包，它提供了使用 C/C++ 编程语言的开发环境。使用此工具包，您可以在 GPU 上开发、优化和部署应用程序。NVIDIA 还提供了一个 PGI 工具包来使用 Fortran 语言进行编程。

还有许多可用的第三方工具链：