VIP20
本课程属于：032-蛋白质组学批次质控 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

GPU加速数值计算环境与复现实验

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
GPU计算概述
GPU架构简史 · GPU与CPU的对比 · GPU在科学计算与深度学习中的优势
GPU计算概述
02
CUDA开发环境搭建
NVIDIA驱动安装 · CUDA Toolkit安装 · cuDNN配置
CUDA开发环境搭建
03
CUDA编程模型基础
线程 · 块 · 网格的概念
CUDA编程模型基础
04
CUDA内存层次
全局内存 · 共享内存 · 寄存器
CUDA内存层次
05
CUDA并行归约与原子操作
并行求和 · 归约优化 · 原子函数
CUDA并行归约
06
CUDA流与事件
流的创建与同步 · 事件计时 · 多流并发
CUDA事件
07
cuBLAS基础操作
cuBLAS库简介 · 矩阵乘法 · 向量操作
cuBLAS基础操作
08
cuBLAS高级用法
批处理矩阵乘法 · Strided Batching · 自定义数据类型
cuBLAS高级用法
09
cuRAND随机数生成
GPU上的随机数生成器 · 分布类型 · 可重复性种子设置
cuRAND随机数生成
10
cuFFT快速傅里叶变换
一维/二维/三维FFT · 批量FFT · 单精度与双精度
cuFFT快速傅里叶变换
11
cuSPARSE稀疏矩阵运算
稀疏格式（CSR · CSC · COO）
cuSPARSE稀疏矩阵运算
12
Thrust库入门
Thrust向量 · 变换 · 规约
Thrust库入门
13
CUB库与块级原语
块级归约 · 块级扫描 · 设备级原语
CUB块级原语
14
PyTorch GPU加速基础
张量在GPU上的创建与移动 · cuda()方法 · DataParallel
PyTorchGPU
15
PyTorch混合精度训练
AMP（自动混合精度） · GradScaler · FP16训练技巧
PyTorch混合精度训练
16
TensorFlow GPU加速
tf.config.list_phy… · 分布式策略 · XLA编译
TensorFlowGPU
17
JAX框架与GPU
jit编译 · vmap · pmap
JAXGPU
18
NVIDIA DALI数据加载
GPU加速数据预处理 · 图像增强 · 多GPU数据流水线
NVIDIADALI
19
分布式训练基础
NCCL通信库 · AllReduce · Ring AllReduce原理
分布式训练基础NCCL
20
多GPU训练实践
DataParallel与Distr… · 模型并行 · 梯度累积
GPU训练实践
21
GPU性能剖析工具
Nsight Systems · Nsight Compute · nvidia-smi与nvidia-…
GPU性能剖析工具
22
GPU计算可重复性基础
浮点运算非确定性来源 · 原子操作与线程调度 · CUDA确定性标志
GPU计算可重复性基础
23
确定性训练设置
torch.backends.cud… · CUDA_LAUNCH_BLOCKI… · 种子管理
确定性训练设置torch.backen…
24
随机数可重复性
cuRAND与PyTorch随机种子 · 多GPU下种子分配 · 分布式随机状态
随机数可重复性cuRAND
25
容器化GPU环境
Docker与nvidia-dock… · Dockerfile最佳实践 · 可复现环境打包
GPU容器化
26
GPU集群任务提交
SLURM与GPU队列 · 资源请求（--gres=gpu:4） · 作业脚本模板
GPU集群任务提交
27
混合精度与可重复性
FP16/FP32确定性对比 · Tensor Core行为 · NVIDIA建议
混合精度可重复性
28
常见GPU错误排查
CUDA out of memory · 非法内存访问 · 驱动重置
GPU常见
29
端到端案例
GPU加速分子动力学模拟（GROMA… · 性能调优 · 结果复现
端到端案例GPU
30
端到端案例
GPU加速深度学习图像分类
端到端案例GPU