[nvidia] Maxwell, Pascal, Volta, Turing, Ampere, Hopper, Ada, Blackwell 对应胡显卡型号列表

以下是CUDA相关API的详细分类及功能说明：

核心API

1. CUDA Runtime API

   • 功能：高级抽象接口，简化设备管理、内存分配、内核启动等操作。
   • 特点：自动初始化，代码简洁，适合快速开发。
   • 示例函数：cudaMalloc, cudaMemcpy, <<<grid, block>>>内核启动语法。

2. CUDA Driver API

   • 功能：底层接口，提供对GPU的细粒度控制（如上下文管理、模块加载）。
   • 特点：需手动初始化（cuInit），支持多线程和复杂内存操作，性能更高但开发难度大。
   • 示例函数：cuCtxCreate, cuLaunchKernel, cuModuleLoad。

数学与计算库

3. CUDA Math API

   • 功能：提供GPU加速的数学函数（如三角函数、指数函数）。
   • 支持类型：单精度、双精度、半精度浮点运算。

4. cuBLAS

   • 功能：基于CUDA的BLAS实现，加速线性代数运算（矩阵乘法、向量加法等）。
   • 特点：支持单/双精度，但需手动管理多GPU并行。
   • 示例函数：cublasSgemm（单精度矩阵乘法）。

5. cuSPARSE

   • 功能：稀疏矩阵运算库（如SpMV、SpMM）。
   • 支持格式：CSR、CSC等稀疏存储格式。

6. cuFFT

   • 功能：快速傅里叶变换（FFT）库，支持1D/2D/3D变换。
   • 变换类型：复数-复数（C2C）、实数-复数（R2C）等。
   • 示例函数：cufftPlan1d, cufftExecC2C。

7. cuSOLVER

   • 功能：线性代数求解器库（如LU分解、特征值计算）。
   • 应用场景：科学计算、工程仿真。

深度学习与图像处理

8. cuDNN

   • 功能：深度神经网络加速库，优化卷积、池化等操作。
   • 特点：自动选择最优算法，支持Tensor Core加速。

9. nvJPEG

   • 功能：GPU加速的JPEG解码/编码库。
   • 特点：支持批量处理，降低延迟，适用于计算机视觉任务。

10. NPP

    • 功能：图像与视频处理库（如滤波、几何变换）。
    • 特点：高性能，灵活性强。

并行算法与工具

11. Thrust

    • 功能：C++模板库，提供类似STL的并行算法（如排序、归约）。
    • 特点：基于CUDA实现，简化并行编程。

12. CUB

    • 功能：底层CUDA原语库（如块扫描、归约）。
    • 特点：高性能，需手动集成到项目中。

13. NVRTC

    • 功能：运行时编译库，支持动态生成PTX代码。
    • 特点：允许内核函数在运行时编译，优化灵活性。

随机数与文件I/O

14. cuRAND

    • 功能：高性能随机数生成库（如Mersenne Twister算法）。
    • 应用场景：蒙特卡洛模拟、机器学习。

15. cuFile API

    • 功能：GPUDirect Storage（GDS）技术接口，加速主机与存储设备间数据传输。
    • 特点：绕过CPU缓存，降低延迟。

其他工具库

16. nvJitLink

    • 功能：动态链接库，支持运行时生成和加载GPU代码。
    • 应用场景：JIT编译优化。

17. nvFatbin

    • 功能：管理CUDA二进制文件（fatbinary）的工具库。
    • 特点：支持跨平台兼容性。

18. NVBLAS

    • 功能：多GPU加速的BLAS库，基于cuBLAS扩展。
    • 特点：透明替换CPU版BLAS，但需注意半大矩阵乘法性能问题。