In breve
Il Videocorso CUDA per GPU NVIDIA CGFA è un corso in italiano di CGFA Academy, base, per programmatori C o C++ che vogliono sfruttare la potenza di una GPU NVIDIA per calcoli paralleli, grafica, scienza e intelligenza artificiale. Ha 10 videolezioni in tre livelli, circa 16 ore di studio, esercizi con soluzione, quiz, il progetto finale «Filtro per immagini sulla GPU» ed esame di 15 domande con attestato verificabile. Le prime 2 lezioni sono gratis e si aprono senza registrazione.
- Per chi: Programmatori C o C++ che vogliono sfruttare la potenza di una GPU NVIDIA per calcoli paralleli, grafica, scienza e intelligenza artificiale
- Base: Cos'è CUDA e il primo kernel, Thread, blocchi e griglie, La memoria della GPU: somma di vettori, Memoria unificata, misure e compilazione
- Intermedio: Memoria condivisa e sincronizzazione, Prestazioni: warp, coalescenza e occupazione, Librerie, stream e Thrust
- Avanzato: Operazioni atomiche e scambi tra thread, Prodotto tra matrici e calcolo per l'intelligenza artificiale, Debug, profilazione e oltre
- Progetto finale: Filtro per immagini sulla GPU
- Strumenti: CUDA Toolkit (versione 13), Google Colab, nvidia-smi, Visual Studio (Windows) o gcc (Linux), Nsight Systems e Nsight Compute
- Esame di 15 domande e attestato con codice di controllo
Pubblicato il · Aggiornato il · Autore: CityGraph Napoli (Claudia D'Urso, titolare)
Guarda la presentazione del videocorso CUDA
Apri le prime 2 lezioni gratis · Scarica il video in MP4
Perché imparare CUDA
Le schede video fanno migliaia di calcoli insieme: CUDA è il modo per programmarle e sta sotto l'intelligenza artificiale, le simulazioni e l'elaborazione di immagini e video. Chi sa scrivere un kernel veloce è richiesto dove si lavora con tanti dati e modelli di AI. Il corso parte dal primo kernel e arriva a memoria condivisa, prodotto tra matrici e misura delle prestazioni.
A chi è rivolto
Il corso è pensato per: programmatori C o C++ che vogliono sfruttare la potenza di una GPU NVIDIA per calcoli paralleli, grafica, scienza e intelligenza artificiale. Partenza: Base.
- Conoscere le basi del C o del C++ (variabili, funzioni, puntatori, cicli)
- Un PC con scheda video NVIDIA (GeForce, RTX, Quadro) oppure un account Google gratuito per usare Google Colab
- Sistema Windows o Linux per l'installazione locale
Il programma: 10 lezioni in 3 livelli
Circa 16 ore di studio con gli esercizi, in lezioni da 25 a 40 minuti. Le prime 2 sono gratis.
Base: GPU, kernel, thread e memoria
- Cos'è CUDA e il primo kernel (25 min, gratis): Capire perché la GPU è diversa dalla CPU, preparare l'ambiente e lanciare il primo kernel.
- Thread, blocchi e griglie (25 min, gratis): Calcolare l'indice globale di ogni thread e scegliere quanti blocchi lanciare.
- La memoria della GPU: somma di vettori (30 min): Allocare memoria sulla GPU, copiare i dati avanti e indietro e scrivere il programma completo di somma tra vettori.
- Memoria unificata, misure e compilazione (30 min): Usare cudaMallocManaged per semplificare il codice, cronometrare un kernel e compilare per la propria scheda.
Intermedio: Memoria condivisa, prestazioni e librerie
- Memoria condivisa e sincronizzazione (35 min): Conoscere la gerarchia di memorie della GPU e usare la shared memory per una riduzione.
- Prestazioni: warp, coalescenza e occupazione (35 min): Capire i warp, la divergenza e gli accessi coalescenti e usare il grid-stride loop.
- Librerie, stream e Thrust (30 min): Usare le librerie NVIDIA per non riscrivere tutto e sovrapporre copie e calcoli con gli stream.
Avanzato: Operazioni atomiche, matrici, intelligenza artificiale e strumenti
- Operazioni atomiche e scambi tra thread (35 min): Evitare le corse tra thread con atomicAdd e usare gli scambi di dati dentro un warp.
- Prodotto tra matrici e calcolo per l'intelligenza artificiale (40 min): Scrivere un prodotto tra matrici a tessere con memoria condivisa e capire come CUDA alimenta il deep learning.
- Debug, profilazione e oltre (35 min): Trovare errori e colli di bottiglia con gli strumenti NVIDIA e conoscere le alternative a CUDA.
Il progetto finale: Filtro per immagini sulla GPU
Realizza un programma che schiarisce un'immagine in scala di grigi di 1920 x 1080 pixel usando un kernel 2D, misura il tempo con gli eventi CUDA e lo confronta con la versione CPU. Metterai insieme griglie 2D, memoria unificata, controllo errori e misura delle prestazioni.
- Crea un array di 1920 x 1080 byte con valori da 0 a 255 (memoria unificata).
- Scrivi il kernel luminosita con indici x e y e il controllo dei limiti.
- Lancia il kernel con blocchi da 16 x 16 e una griglia calcolata per eccesso.
- Aggiungi la macro CHECK dopo ogni chiamata CUDA.
- Misura il tempo con cudaEvent e stampalo.
- Scrivi la stessa operazione con un ciclo sulla CPU e verifica che i risultati siano uguali.
- Extra: usa Nsight Systems per vedere la timeline e prova blocchi da 8 x 8, 16 x 16 e 32 x 32.
Cosa ti serve
- CUDA Toolkit (versione 13): Si scarica gratis da developer.nvidia.com/cuda-downloads. Contiene il compilatore nvcc, le librerie e gli strumenti di analisi. Richiede il driver NVIDIA aggiornato
- Google Colab: Gratis, nel browser su colab.research.google.com: scegli Runtime, Cambia tipo di runtime, GPU. Nessuna installazione e nessuna scheda video propria necessaria. Ottimo per fare tutti gli esercizi
- nvidia-smi: Comando incluso con il driver: mostra la scheda, la memoria usata e la temperatura
- Visual Studio (Windows) o gcc (Linux): nvcc ha bisogno di un compilatore C++ del sistema: Visual Studio Community su Windows, gcc su Linux
- Nsight Systems e Nsight Compute: Strumenti gratuiti NVIDIA, inclusi con il Toolkit, per misurare dove il programma perde tempo
A cosa ti serve dopo il corso
- Intelligenza artificiale e deep learning (addestrare e far girare i modelli)
- Calcolo scientifico e simulazioni
- Elaborazione di immagini, video e grafica 3D
- Finanza e analisi di grandi quantità di dati
- Ottimizzazione di software ad alte prestazioni
Come si studia
- Video breve per ogni lezione, con i sottotitoli e il testo del video da leggere.
- Spiegazione scritta con esempi italiani (prezzi in euro, negozi, città) e codice da copiare con un tocco.
- Esercizio con la soluzione, appunti personali e quiz di tre domande per segnare la lezione come fatta.
- Esame finale di 15 domande (si supera con il 75%) e attestato stampabile con codice di controllo verificabile.
- App installabile su PC, tablet e telefono: niente account, i progressi restano sul dispositivo e si salvano con il backup.
Per privati, scuole e aziende
- Singolo corso: per chi vuole imparare un linguaggio, con tutte le lezioni, il progetto finale, l'esame e l'attestato.
- Tutti i corsi: l'accesso a tutto il catalogo CGFA Academy, per passare da un linguaggio all'altro quando vuoi.
- Aziende: formazione dei dipendenti su programmazione, dati, automazione e scrittura, con gli attestati nel registro.
- Scuole e centri di formazione: licenza per sede, per le classi e i laboratori, con la verifica dei codici degli attestati.
- White label: l'Academy con il nome, i colori e il dominio di chi la offre, per enti di formazione, agenzie e consulenti.
Le condizioni si concordano in base alle persone da formare: scrivici con Richiedi maggiori informazioni o su WhatsApp.
L'attestato è un attestato di frequenza con codice di controllo, non un titolo di studio né una certificazione pubblica. I programmi indicati nel corso sono gratuiti o già presenti nel computer, salvo dove è scritto diversamente.
Volantino da condividere
Le immagini pronte del Videocorso CUDA per GPU NVIDIA CGFA in formato post e storia. Mandatele a chi vuole imparare CUDA: studenti, colleghi, scuole e aziende.
Scarica l'immagine Condividi su WhatsApp Condividi su Facebook
Apri le prime 2 lezioni gratis di CUDA
Nella demo trovi il corso vero: guarda il video, leggi la lezione, prova il codice e fai il quiz. Per il corso completo, per la tua scuola o per la tua azienda scrivici.
Richiedi maggiori informazioni su VIDEOCORSO CUDA ▶ Prova la demoOperatore diretto a Napoli · P.IVA 06571251211 · Preventivo senza impegno
Domande frequenti
Serve per forza una scheda video NVIDIA?
No: chi non ce l'ha può usare Google Colab, gratuito nel browser, con una GPU in prestito. Serve invece conoscere le basi del C o del C++ (variabili, funzioni, puntatori). Il CUDA Toolkit è gratuito.
Cosa saprò fare alla fine del corso di CUDA?
Programmare la scheda video: kernel, thread, memoria, prestazioni e uno sguardo al calcolo per l'intelligenza artificiale: è la strada del corso, in tre livelli (Base, Intermedio, Avanzato). Lo dimostri con il progetto finale «Filtro per immagini sulla GPU»: Realizza un programma che schiarisce un'immagine in scala di grigi di 1920 x 1080 pixel usando un kernel 2D, misura il tempo con gli eventi CUDA e lo confronta con la versione CPU. Metterai insieme griglie 2D, memoria unificata, controllo errori e misura delle prestazioni.
Quanto dura il videocorso CUDA?
Circa 16 ore tra video, lettura ed esercizi: 10 lezioni da 25 a 40 minuti. Si studia quando si vuole, al proprio ritmo, da PC o da telefono.
Posso provare il corso prima di decidere?
Sì. Le prime 2 lezioni del corso CUDA sono gratis e si aprono senza registrazione su citygraphnapoli.it/academy/cuda/: video, spiegazione scritta, codice, esercizio e quiz, esattamente come nel corso completo.
Come si studia una lezione?
Ogni lezione ha un video di un paio di minuti con sottotitoli, la spiegazione scritta, il codice da copiare, un esercizio con la soluzione e un quiz di tre domande. Si segna come fatta e i progressi restano sul dispositivo, senza creare un account.
Il corso rilascia un attestato?
Sì. Alla fine fai l'esame (15 domande, si supera con il 75% di risposte giuste) e ottieni un attestato di frequenza stampabile, con un codice di controllo che chiunque può verificare. Non è un titolo di studio né una certificazione pubblica.
Funziona sul telefono?
Sì. CGFA Academy si apre dal browser e si installa come app su telefono, tablet e PC. Le lezioni già aperte si rileggono anche senza internet; i video invece servono online.
Si può avere per una scuola, un'azienda o con il proprio marchio?
Sì. Ci sono formule per il singolo corso, per tutti i corsi, per aziende che formano i dipendenti, per scuole e centri di formazione e una versione white label con il marchio di chi la offre. Scriveteci con «Richiedi maggiori informazioni».