使用 Google Colab 學習 CUDA：90 分鐘內實現首次加速

CUDA。 NVIDIA GPU 運算堆疊、平行程式設計、Google Colab、HPC、CPU 與 GPU 效能比較

從這 1.5 小時的課程，你會學到

使用 Google Colab 設定並驗證 GPU 程式設計環境
探索 CUDA 程式設計模型
正確配置線程、區塊和網格以執行向量加法等操作
計算一維和二維線程索引
使用 C/C++ 編寫、編譯和運行基本的 CUDA 內核
進行基準測試與效能分析－測量 CPU 與 GPU 的執行時間

要求

具備C/C++程式設計基礎知識

課程說明

本課程將帶您踏上使用 NVIDIA CUDA（目前應用最廣泛的平行程式設計平台）進行 GPU 加速運算的實作之旅。無論您是學生、工程師還是開發人員，您都將學習如何利用數千個 GPU 核心，實現遠超 CPU 的效能水準。

課程從 GPU 架構的基礎知識入手，逐步深入 CUDA 程式設計實務——理解執行緒、區塊、網格，以及如何在 GPU 硬體上有效率地對應運算任務。

您將學到什麼

為什麼 GPU 對高效能運算至關重要
整合 GPU 與獨立 GPU 的區別
CUDA 是什麼以及它如何實現並行處理
NVIDIA GPU 運算堆疊詳解－從硬體到軟體
了解運算能力及其對效能的影響
CUDA 程式設計模型：主機執行與裝置執行
寫出你的第一個 CUDA 程式：Hello World
深入了解線程、程式碼區塊和網格
線程索引實作高效並行計算
透過實際範例比較 CPU 與 GPU 的效能
各階段的測驗鞏固關鍵概念

為什麼要選修這門課？

由擁有 GPU 訊號處理和人工智慧實戰經驗的專家授課
理論與 CUDA 程式實戰結合
學習並行思維，優化演算法效能
為人工智慧、科學計算、數據處理或圖形程式設計領域的職業生涯做好準備

目標受眾

即使您沒有（或不想配置）專用 GPU，這門課程也適合您。
您對 CUDA 生態系統充滿好奇，並希望使用 Colab notebook 來實踐核心、線程/區塊和效能分析。
您是嵌入式工程師，希望擴展您的 GPU 程式設計專業知識。
您掌握基本的 C/C++，並希望加速運算密集型任務（例如機器學習、訊號或影像處理、科學運算）。
您正在尋找一門簡潔易懂、適合初學者的課程，它將帶您從「為什麼要使用 GPU？」開始，逐步深入記憶體層次結構和同步概念，並提供真實的 CPU 與 GPU 基準測試。

講師簡介

Hamza Bashir CUDA/GPU優化教練－實際加速

我是 CUDA/GPU 培訓師和 DSP/無線工程師，致力於幫助開發者透過實用且以效能分析器為導向的工作流程，從 CPU 過渡到 GPU。在過去的 14 年多時間裡，我建立並優化了訊號處理和無線物理層演算法（LTE、NB-IoT、5G/NTN），並使用 C/C++/CUDA、cuBLAS/cuFFT 和 Nsight 工具加速了 AI/HPC 工作負載。

我的教學方式