NVIDIA®CUDA®工具包为创建高性能、GPU加速的应用程序提供了一个开发环境。有了它,您可以在GPU加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和超级计算机上开发、优化和部署应用程序。该工具包包括GPU加速库、调试和优化工具、C/C++编译器和运行时库。
使用跨多GPU配置分布计算的内置功能,您可以开发从单GPU工作站扩展到具有数千个GPU的云安装的应用程序。
CUDA 12引入了对NVIDIA Hopper™和Ada Lovelace架构的支持、Arm®服务器处理器、延迟模块和内核加载、改进的动态并行API、CUDA图形API的增强、性能优化库以及新的开发人员工具功能。
对Hopper体系结构的支持包括下一代Tensor Cores和Transformer Engine、高速NVIDIA NVLink®Switch、混合精度模式、第二代Multi-Instance GPU(MIG)、高级内存管理以及标准的C++/Fortran/Python并行语言结构。
CUDA Developer Tools是一系列教程视频,旨在帮助您开始使用NVIDIA Nsight™工具进行CUDA开发。它探索了CUDA分析、调试和优化的关键特性。
深入了解CUDA的最新功能。
探索NVIDIA Hopper架构的新功能及其在NVIDIAH100 Tensor Core GPU中的实现。
了解CUDA工具包中的新功能,包括CUDA语言、编译器、库和工具的最新和最强大的功能,并了解明年将推出的功能。
了解如何利用NVIDIA Hopper体系结构的功能,将算法提升到下一个性能级别。
查看全部
看看开发人员、科学家和研究人员今天是如何使用CUDA的。
牛津电子研究中心主任韦斯·阿莫尔(Wes Armour)讨论了GPU在处理平方公里阵列收集的大量天文数据中的作用,以及CUDA是如何最适合其信号处理软件的选择。
罗格斯大学的David Cerutti和Taisung Lee分享了Amber如何利用CUDA推进多个科学领域,开启药物发现和设计的新时代。
伊利诺伊大学厄巴纳-香槟分校贝克曼研究所的高级研究程序员John Stone讨论了CUDA和GPU如何用于处理大型数据集,以可视化和模拟高分辨率原子结构。
探索内置CUDA集成的顶级计算和图形软件包。
查看更多
独家访问数百个SDK、技术培训,并有机会与数百万志同道合的开发人员、研究人员和学生联系。
包含CUDA工具包的深入技术信息的文档库。
关于CUDA Toolkit 12.0特性和功能的技术博客。
CUDA容器可从NGC™下载,以及其他NVIDIA GPU加速的SDK和AI模型,以帮助加速应用程序。
CUDA技术博客档案,涵盖工程师为工程师编写的关键特性和功能。
开发了一套人工智能、数据科学和数学库,帮助开发人员加速应用程序。
通过NVIDIA深度学习学院(DLI)为开发人员提供自定进度或讲师指导的CUDA培训课程。
NVIDIA Nsight Compute和Nsight System工具套件,旨在帮助开发人员优化和提高其应用程序的性能。
GitHub示例CUDA代码库,帮助开发人员学习和加速GPU加速应用程序的开发。
一种信息交流,帮助开发人员直接从NVIDIA工程师那里获得技术问题的答案。
NVIDIA Engineering自己的错误跟踪工具和数据库,开发人员可以在其中提交技术错误。