كل بضع سنوات تقريبًا ، يؤدي تطوير الكمبيوتر إلى تغيير في البحر والحاجة إلى العمال المتخصصين من أجل استخدام التكنولوجيا الجديدة. بغض النظر عما إذا كان قد تم تعلم ذلك للتعلم في عالم الكمبيوتر في الستينيات والسبعينيات ، أو HTML في التسعينيات أو SQL في السنوات العشر الماضية أو شيء من هذا القبيل. ربما يكون إدخال وحدات معالجة الرسومات (GPU) للكمبيوتر متعدد الأغراض هو التطوير الحالي الأكثر أهمية للكمبيوتر. إذا كنت ترغب في تطوير بعض مهارات Python الجديدة لاستخدام التكنولوجيا الحديثة ، فإنه يمكّن المطورين من استخدام وحدات معالجة الرسومات NVIDIA لجهاز كمبيوتر المبيعات العام.
بالطبع ، CUDA هي منصة خاصة وتتطلب واحدة من بطاقات الرسومات المدعومة من NVIDIA لتشغيلها. على افتراض أن حاجز الدخول قد تم استيفاءه ، فليس من الجهد المبذول لاستخدامه في المهام غير الفجوية. يلقي الدليل إلقاء نظرة فاحصة على مكتبة مفتوح المصدر Pytorch ، التي يمكن أن يكون مطور Python مع خصائص CUDA بسرعة محدثة لدرجة أن الباحثين والمطورين في الذكاء الاصطناعي ، والتعلم الآلي ، والبيانات الكبيرة ، والبيانات الكبيرة جذابة للغاية. . وحدود أخرى في علوم الكمبيوتر. يصف الدليل كيفية إنشاء المواضيع ، وكيفية السفر داخل وحدة معالجة الرسومات ويعملون مع مؤشرات ترابط أخرى كيف يمكن إدارة الذاكرة على كل من وحدة المعالجة المركزية ووحدة معالجة الرسومات لإنشاء CUDA Core وإدارة كل شيء آخر ، والتي تشارك إلى حد كبير من خلال عدسة Python .
يعد الإدخال بشيء من هذا القبيل شرطًا أساسيًا تقريبًا للبقاء ذي الصلة في المنطقة السريعة لعلوم الكمبيوتر ، لأن التعلم الآلي هو التركيز هذه الأيام. تجدر الإشارة إلى أن وحدة معالجة الرسومات NVIDIA ليست مطلوبة تمامًا لمبرمجة GPU. يحتوي AMD على منصة كمبيوتر GPU تسمى ROCM ، ولكن على الرغم من أن المصدر المفتوح لا يزال وراء NVIDIA وأيضًا في الأداء في معدلات التبني. تتضمن بعض أدوات التعلم الأخرى لبرمجة GPU التي رأيناها في الماضي هذه الأداة القائمة على الألغاز ، والتي توضح بعض المشكلات المحددة التي يتم فيها محاذاة وحدات معالجة الرسومات.
