A arquitetura de Dispositivos Unificados de Computação (CUDA, em inglês) é um modelo de plataforma de computação paralela e de interface de programação de aplicativos (API) criado pela NVIDIA. Permite que desenvolvedores usem um processador gráfico (GPU) habilitado para CUDA para processamento de propósito geral, uma abordagem conhecida como computação de propósito geral em unidades de processamento gráfico (GPGPU, em inglês). Aprender CUDA abre caminhos para muitas possibilidades em campos como computação científica, análise de dados e aprendizado automático, onde performance e velocidade são críticas.

Nós acabamos de publicar um curso de 12 horas de CUDA no canal YouTube do freeCodeCamp.org. Este curso abrangente, criado por Elliot Arledge, está projetado para equipar você com as habilidades necessárias para usar o poder dos GPUs para tarefas de computação de alto desempenho. Se você for um iniciante ou um programador experiente que quer expandir seu conjunto de habilidades, este curso oferece insigtes valiosas no mundo da programação CUDA.

Visão Geral do Curso

O curso de programação CUDA está estruturado para guiar você através de tudo o que precisa saber sobre computação em GPUs. Aqui está uma decomposição detalhada do que você pode esperar:

Introdução

O curso começa com uma introdução que define o cenário para o que você vai aprender. Fornece uma visão geral do papel dos GPUs na computação moderna e de como CUDA pode mudar o jogo em várias aplicações.

Capítulo 1: Ecosistema de Aprendizado Profundo

Aprenda sobre o ecosistema de aprendizado profundo e entenda o papel crucial que os GPUs desempenham em acelerar modelos de aprendizado profundo. Este capítulo fornece uma compreensão de base dos ferramentas e frameworks que aproveitam o poder dos GPUs.

Capítulo 2: Configuração do CUDA

Aprenda a configurar o seu ambiente para programar com o CUDA. Este capítulo abrange a instalação e configuração de softwares necessários, garantindo que você esteja pronto para começar a escrever código.

Capítulo 3: Revisão de C/C++

Refresque seu conhecimento sobre programação em C/C++, que é essencial para escrever código CUDA. Este capítulo reverte conceitos chave e sintaxe para Preparar você para programação em GPUs.

Capítulo 4: Introdução a GPUs

Aumente sua compreensão da arquitetura de GPU e como difere dos tradicionais CPUs. Este capítulo explica as capacidades de processamento paralelo das GPUs e suas vantagens em computação de alto desempenho.

Capítulo 5: Escrevendo Seus Primeiros Kernels

Comece a escrever seus primeiros kernels CUDA. Este capítulo o introduce aos fundamentos da programação CUDA, incluindo sintaxe e estrutura, permitindo que você execute tarefas paralelas simples no GPU.

Capítulo 6: API CUDA

Explore a API CUDA em detalhe. Aprenda a gerenciar memória, iniciar kernels e lidar com erros efetivamente. Este capítulo fornece as ferramentas que você precisa para escrever programas CUDA eficientes e robustos.

Capítulo 7: Multiplicação de Matrizes Mais Rápida

Descubra como otimizar a multiplicação de matrizes usando o CUDA. Este capítulo demonstra técnicas para melhorar o desempenho, uma habilidade crítica para aplicações em computação científica e aprendizado de máquina.

Capítulo 8: Triton

Conheça o Triton, um compilador e linguagem para escrever primitivas de aprendizado profundo personalizadas. Saiba como o Triton pode simplificar o processo de desenvolvimento de código GPU de alto desempenho.

Capítulo 9: Extensões do PyTorch

Aprenda a extendê-lo PyTorch com operações CUDA personalizadas. Este capítulo mostra como integrar código CUDA com o PyTorch, permitindo que você crie camadas e operações personalizadas para modelos de aprendizado profundo.

Capítulo 10: Perceptrão Multilayer de MNIST

Aplique seu conhecimento construindo um perceptrão multilayer para classificar o conjunto de dados MNIST. Este projeto prático consolida seu aprendizado e demonstra a aplicação prática do CUDA em aprendizado profundo.

Capítulo 11: Próximas etapas?

Explore as próximas etapas em sua jornada de programação CUDA. Este capítulo fornece orientações sobre recursos e projetos adicionais para continuar seu aprendizado e desenvolvimento.

Outro

O curso conclui com um outro que resumiu o que você aprendeu e o encoraja a aplicar suas novas habilidades em projetos do mundo real.

Conclusão

Se você estiver procurando melhorar suas perspectivas de carreira ou apenas explorar o fascinante mundo da computação por GPU, este curso é um ótimo ponto de partida.

Assista ao curso inteiro no canal YouTube do freeCodeCamp.org (12 horas de assistir).