linux运行并行计算cuda,并行化计算与CUDA编程

原标题：并行化计算与CUDA编程

近年来，显卡的更新换代也比较快，NVIDIA今年的发布会也宣布了RTX3080TI即将到来。显卡的运算能力也越来越强。

很多人对显卡的了解可能源于游戏，但是你的显卡不止能用来打游戏，还可以利用CUDA编程，对图像处理、机器学习等诸多领域进行大幅度的提速。

如今GPU的发展越来越快，在图像处理和深度学习领域更为突出，很多的计算机开源库，如OpenCV, TensorFlow,pytorch等等都提供了CUDA接口。很多的开源项目也提供了使用GPU的情况，比如yolov3等，可以说GPU由于其高效，使用也越来越普遍。

本课程属于CUDA入门的课程，旨在让学员对GPU的架构以及GPU编程有一个初步的认识，能在实际情况下用CUDA完成一些并行化的加速。了解了CUDA的原理和调用方法，可以在日常中用CUDA解决更多并行化的问题，而不受限于开源库的API接口。

第1课

从零开始，手把手的环境搭建教程：CUDA硬件环境，软件环境介绍，CUDA在WINDOWS和Linux平台上的详细安装步骤，GPU与CPU数据传输简单示例

第2课

快速掌握CUDA编程基础原理：介绍CUDA编程的并行原理，了解线程、线程块、网格等概念，了解CUDA的同步机制，CUDA官方库的使用

第3课

CUDA编程实战：利用CUDA实现几种常见的模型，如映射变换、累计求和、转置与排序，获得大幅度提速

第4课

程序调试，BUG定位，快速修正代码bug的技巧：CUDA的简单调试，对CUDA进行计时找到耗时点，输出CUDA的错误信息，方便修改，CUDA可视化工具的使用

第5课

CUDA提速的高级技巧，CUDA流的应用：CUDASTREAM，CUDA流的使用、同步，用CUDA流完成矩阵运算

第6课

OPENCV介绍，手把手教你安装，配置和使用OPENCV(在后续的课程中需要对图片进行操作，所以这里会简单介绍OPENCV图像开源库)

第7课

实时图片渲染，CUDA+OPENCV的图像处理实战：利用CUDA进行图像处理(灰度变换，直方图增强等)

第8课

CUDA提速的综合示例：用CUDA实现图片的图像色彩分割

课程将于2020年9月12日开课，课程持续时间大约为10周。

叶智铭

毕业于中山大学数学与应用数学专业。参与过医学图像处理、文本比对加速等CUDA项目，有着丰富的CUDA编程经历和实践经验。

Windows(visual stdio)或Linux系统，NVIDIA显卡

课程基础：

对C++有一定基础

涉及语言：

C++，CUDA

对并行计算，CUDA编程感兴趣的同学，不需要有太多的基础知识

具备GPU和CUDA编程能力，能够分清适合用CUDA加速的场景，对实际应用中的场景也能使用CUDA进行加速返回搜狐，查看更多

责任编辑：