VIP20

本课程属于：162-NVIDIA CUDA与TensorRT GPU加速工程 AI智能与边缘计算工程 · 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

CUDA多GPU并行计算与任务调度工程

共计 30 章节

可可资料掘金营 · 点击在线试看

多GPU计算环境搭建

目标=CUDA工具链安装 · 多GPU硬件识别 · 驱动与运行时配置

GPU计算环境搭建

CUDA多GPU编程模型

目标=主机与设备线程模型 · 多GPU内存空间 · 设备间对等访问

设备管理与枚举

目标=cudaGetDeviceCo… · 设备选择与切换 · 设备属性解析

设备管理枚举

多GPU内存分配与传输

目标=cudaMalloc · cudaMemcpy · 跨设备内存拷贝

GPU内存分配

对等访问与P2P通信

目标=P2P能力检测 · cudaDeviceEnablePe… · P2P带宽测试

P2P对等访问

多GPU流与并发执行

目标=CUDA流创建与销毁 · 流优先级 · 多流并发

GPU并发执行

多GPU同步与通信机制

目标=设备同步 · 流同步 · 事件同步

多GPU内核启动与执行

目标=内核启动配置 · 网格与块划分 · 多GPU内核分发

GPU内核启动

多GPU任务划分策略

目标=数据并行 · 模型并行 · 流水线并行

GPU任务划分策略

多GPU任务调度基础

目标=调度模型 · 任务队列 · 依赖管理

GPU任务调度基础

基于CUDA流的任务调度

目标=流作为任务队列 · 流间依赖 · 事件驱动调度

多GPU动态任务调度

目标=工作窃取 · 任务池 · 动态负载均衡

GPU动态任务调度

多GPU通信优化

目标=NCCL库使用 · 集合通信操作 · 点对点通信

GPU通信优化

多GPU并行算法设计

目标=并行归约 · 并行扫描 · 矩阵乘法

GPU并行算法设计

多GPU深度学习训练

目标=数据并行训练 · 模型并行训练 · 梯度同步

GPU深度学习训练

多GPU推理与部署

目标=模型切分 · 批处理调度 · 多流推理

多GPU科学计算应用

目标=分子动力学 · 计算流体力学 · 有限元分析

GPU科学计算应用

多GPU图像与视频处理

目标=图像滤波 · 图像分割 · 视频编解码

多GPU任务调度器实现

目标=调度器架构 · 任务描述 · 依赖图构建

GPU任务调度器实现

多GPU性能分析与调优

目标=Nsight Systems · Nsight Compute · nvprof

GPU性能分析

多GPU容错与可靠性

目标=错误检测 · 设备故障恢复 · 检查点与重启

多GPU虚拟化与云环境

目标=GPU虚拟化技术 · 容器化部署 · Kubernetes GPU调度

多GPU编程高级主题

目标=CUDA图 · 动态并行 · 协作组

GPU编程高级主题

多GPU任务调度高级主题

目标=实时调度 · 优先级反转 · 死锁避免

GPU任务调度高级主题

多GPU工程实战

目标=项目需求分析 · 架构设计 · 模块划分

GPU工程实战

多GPU矩阵计算实战

目标=多GPU矩阵乘法 · 分块策略 · 通信优化

GPU矩阵计算实战

多GPU深度学习训练实战

目标=多GPU ResNet训练 · 数据并行与模型并行结合 · 梯度压缩

GPU深度学习训练实战

多GPU科学计算实战

目标=多GPU CFD求解器 · 区域分解 · 边界交换

GPU科学计算实战

多GPU任务调度系统实战

目标=构建多GPU任务调度系统 · 任务提交与监控 · 动态调度

GPU任务调度系统实战

课程总结与前沿展望

目标=多GPU计算趋势 · 新硬件与软件栈 · 调度挑战

课程总结前沿展望