1. [首页 ](https://developer.nvidia.cn) 2. NVIDIA CUDA # NVIDIA CUDA CUDA 是 NVIDIA 的加速计算平台，也是 GPU 计算的基础。 下载： [下载 CUDA 工具包](/cuda-downloads "Download CUDA Toolkit") 快速链接： - [文档](https://docs.nvidia.com/cuda/) - [编程指南](https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html) - [教程和示例](https://github.com/NVIDIA/accelerated-computing-hub) - [GPU 支持](/cuda-gpus) - [论坛](https://forums.developer.nvidia.com/c/accelerated-computing/cuda/206) - [常见问题解答](/cuda-faq) ## CUDA 入门 ![NVIDIA CUDA toolkit](https://developer.download.nvidia.com/images/cuda-kv-toolkit-ari.jpg) ### CUDA 工具包 NVIDIA® CUDA® 工具套件提供用于创建高性能 GPU 加速应用程序的开发环境。该工具包包括 GPU 加速库、调试和优化工具、C++ 编译器和运行时库。 [获取 CUDA 开发环境](/cuda-toolkit) ![NVIDIA CUDA Python logos](https://developer.download.nvidia.com/images/cuda/cuda-python.jpg) ### CUDA Python 作为当今 AI 和高性能计算 (HPC) 领域最热门的编程语言之一，Python 开发者可以直接在 Python 中构建强大的 GPU 应用程序。 [编写 GPU 驱动的 Python](/cuda-python) ![NVIDIA CUDA Tile](https://developer.download.nvidia.com/images/cuda/cuda-tile-1920-1080.jpg) ### CUDA Tile NVIDIA CUDA Tile 是一种 GPU 编程模型，可简化基于 Tile 的优化内核的创建，并实现特殊用途硬件 (包括 Tensor Core) 的可移植性。 [释放 GPU 峰值性能](/cuda/tile) ![NVIDIA Nsight Developer Tools](https://developer.download.nvidia.com/images/cuda/nsight-developer-tools.jpg) ### Nsight 开发者工具 NVIDIA Nsight™ 工具是一套功能强大的库、SDK 和开发者工具，涵盖桌面和移动目标。它们使开发者能够利用最新的加速计算硬件构建、调试、分析和开发软件。 [构建、调试和配置软件](/tools-overview) ![NVIDIA CUDA-X Libraries](https://developer.download.nvidia.com/images/cuda/cuda-x-libraries.jpg) ### CUDA-X 库 NVIDIA CUDA-X™ 基于 CUDA 构建，是一系列库的集合，可显著提高跨应用领域 (包括 AI 和 HPC) 的性能。 [使用经过优化的预构建库](/cuda/gpu-accelerated-libraries) ## CUDA 基础知识 [CUDA 编程指南](https://docs.nvidia.com/cuda/cuda-c-programming-guide/index.html) [![NVIDIA CUDA platform for accelerated computing](https://developer.download.nvidia.com/images/cuda/what-is-cuda.svg)](https://developer.download.nvidia.com/images/cuda/what-is-cuda.svg) _单击“Image” (图像) 放大_ ### 什么是 CUDA？ CUDA 是 NVIDIA 的加速计算平台，为应用程序提供利用 GPU 算力的软件层。开发者可以使用 C++、Python、Fortran 等语言编程，或借助如 PyTorch 等 GPU 加速库和框架，将 GPU 计算灵活集成到软件栈的各个层面，以获得更佳的功能与性能表现。 CUDA 平台的重要组成部分之一是 [CUDA Toolkit](/cuda-toolkit)，它提供开发 GPU 应用所需的编译器、库和开发工具。 ### CUDA 到底是指什么？ 了解可帮助开发者解决实际挑战的 CUDA 生态系统。 [观看视频](https://www.nvidia.cn/on-demand/session/gtc25-S72571/) ### 学习 CUDA C++ 通过一系列指导式 Notebook 学习 CUDA C++ 的基础知识。 [开始学习](https://github.com/NVIDIA/accelerated-computing-hub/tree/main/tutorials/cuda-cpp) ### 学习 CUDA Python 开始使用 Python 进行 GPU 开发，了解一系列引导式 Notebook。 [开始学习](https://github.com/NVIDIA/accelerated-computing-hub/tree/main/tutorials/accelerated-python) ### 如何编写 CUDA 程序 了解 CUDA 生态系统以及如何编写 CUDA 程序。 [观看视频](https://www.nvidia.cn/on-demand/session/gtc25-s72897/) ## CUDA 的应用示例： ### 人工智能 ### 大语言模型（LLM）训练 使用 NVIDIA NeMo™ Framework 和 NeMo Curator 训练一个具备推理能力的模块。 - 博客：[使用 NVIDIA NeMo 在一个周末内训练一个具备推理能力的 LLM](https://developer.nvidia.cn/blog/train-a-reasoning-capable-llm-in-one-weekend-with-nvidia-nemo/) - 代码：[NeMo 框架](https://github.com/NVIDIA/NeMo) - Notebook：[在 48 小时内训练您自己的推理模型](https://github.com/NVIDIA-NeMo/NeMo/blob/main/tutorials/llm/reasoning/Reasoning-SFT.ipynb) ### 人工智能 ### ### 大语言模型（LLM）推理 使用 NVIDIA Dynamo 部署 AI 模型。NVIDIA Dynamo 是一个开源的、低延迟、模块化的推理框架。 - 博客：[NVIDIA Dynamo，用于扩展推理模型的低延迟分布式推理框架](https://developer.nvidia.cn/blog/introducing-nvidia-dynamo-a-low-latency-distributed-inference-framework-for-scaling-reasoning-ai-models/) - 指南：[NVIDIA Dynamo](https://github.com/ai-dynamo/dynamo) - 培训：[使用 NVIDIA Dynamo 和 vLLM 部署 LLM 推理](https://github.com/ai-dynamo/dynamo/tree/main/docs/guides) ### 计算机辅助工程 ### AI 驱动的 CAE 仿真 使用 CUDA-X 加速的 CAE 工具、AI 仿真、GPU 加速和实时数字孪生加速 CAE 仿真，以设计和构建新技术。 - 博客：[如何运行 AI 驱动的 CAE 仿真](https://developer.nvidia.cn/blog/how-to-run-ai-powered-cae-simulations/) - 指南：[NVIDIA PhysicsNeMo™](https://docs.nvidia.com/physicsnemo/index.html) - 培训：[借助 NVIDIA AI 物理技术加速计算机辅助工程 (CAE)](https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-OV-48+V1) ### 数据科学 ### 使用 cuDF 加速 DataFrame 和 SQL cuDF 是一个 GPU 加速的库，用于优化基础的 DataFrame 与 SQL 操作。它为 pandas、Polars 和 Apache Spark 等常用 DataFrame 工具提供“即插即用”的加速能力，无需修改任何代码即可启用。 - Notebook：[构建交互式数据分析控制面板](https://colab.research.google.com/gist/will-hill/aa24c3ffe1428c005af3793fcacf9bd2/cudf_pandas_opencellid_demo.ipynb) - 视频：[借助 NVIDIA GPU 上的 pandas 加速探索性数据分析 (16：07)](https://images.nvidia.cn/cn/youtube-replicates/PJpCJsqcfOk.mp4)) - 用户指南：[cuDF](https://docs.rapids.ai/api/cudf/stable/) - 用户指南：[使用 cuDF 加速 Apache Spark](https://nvidia.github.io/spark-rapids/) ### 量子计算 ### 借助 NVIDIA CUDA-Q 加速量子计算 NVIDIA CUDA-Q™ 是一款与具体量子处理器（QPU）无关的加速量子超级计算平台。 - 博客：[NVIDIA CUDA-Q 助力量子应用研究](https://developer.nvidia.cn/blog/nvidia-cuda-q-powers-quantum-applications-research/) - 文档：[CUDA-Q](https://nvidia.github.io/cuda-quantum/latest/index.html) - 培训：[CUDA-Q 学术](https://github.com/NVIDIA/cuda-q-academic) ### 机器人 ### 采用 NVIDIA Cosmos 的世界基础模型 加速智能汽车 (智能汽车) 、机器人和视频分析 AI 智能体的物理 AI 开发。 - 博客：[使用 NVIDIA Cosmos™ Predict-2 的 AI 基础模型](https://developer.nvidia.com/blog/develop-custom-physical-ai-foundation-models-with-nvidia-cosmos-predict-2/https://developer.nvidia.com/blog/develop-custom-physical-ai-foundation-models-with-nvidia-cosmos-predict-2/) - GitHub：[Cosmos Predict-2](https://github.com/nvidia-cosmos/cosmos-predict2) - GitHub：[Cosmos](https://github.com/nvidia-cosmos) [查看加速计算学习路径](https://nvdam.widen.net/s/brxsxxtskb/dli-learning-journey-2009000-r5-web) ## CUDA 资源 博客 会议 培训 ### 更简单的 CUDA 简介 Mark Harris 热门博文“更简单的 CUDA 简介”的互动伴奏。 [详细了解 CUDA](https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+T-AC-01+V1) ### 现代 CUDA C++ 中的加速计算入门 了解如何编写、编译和运行 GPU 加速代码。 [详细了解如何使用 CUDA 加速 C++ 代码](https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-AC-04+V2) ### 加速计算中心 详细了解如何在加速计算中心使用 CUDA，其中包括 C++ 和 Python 分步教程和用户指南。 [详细了解加速计算中心](https://github.com/NVIDIA/accelerated-computing-hub) [查看加速计算学习路径](https://nvdam.widen.net/s/brxsxxtskb/dli-learning-journey-2009000-r5-web) ## 立即开始使用 CUDA。 [下载 CUDA 工具包](/cuda-downloads "Download CUDA Toolkit")