第一本cuda教材:

配套网课：

记得做网课作业。

然后就靠项目上手了。

我当时实习时候的项目是自己手撸了一遍caffe, 写了个内部的inference engine。顺带着学了很多 cuda 的实践。我觉得是个好项目，自己学了很多，但是看你自己兴趣/时间了。

==== 稍微更新下分割线

更新下上手之后对我帮助比较大的一些资料，这个时候对计算机底层不是很了解，做的东西还是浮于算法表面。

大致的知道要coalesced access，用vectorized datatype，以及大致的知道 atomics 慢，要避免 bank conflict， 但不是很懂architecture。

1. 矩阵转置优化:

2. Reduction:

3. 图像上的连通区域分析 :

4. Summed area table (当时读的代码找不到了…让我到时候再找找）

上完班再来更一下==

我再上面这个阶段对于cuda的理解比较似是而非。很多时候知其然不知其所以然。

接下来对gpu/cuda 的理解从算法表面深入到体系结构了。

这个时候要祭出两本书，熟读后登堂入室。

1. Computer architecture a quantitative approach https://www.elsevier.com/books/computer-architecture/hennessy/978-0-12-811905-1Computer ArchitectureComputer Architecture
   
2. Parallel and High Performance Computing

以及microbenchmarking 里我一直会去读一下的报告

3. Dissecting the NVIDIA Volta GPU Architecture via Microbenchmarking

以上是我自己的学习路径。自己是数学系出身的所以很多东西都是在工作里慢慢才学起来。

我觉得计算机专业出身的话，可能学习的路径是反过来的。即体系结构出发，然后用cuda以及算法包装来达到目的。

我的领导就是我见过的最纯粹的体系结构派，碰到问题不是先写代码，而是先建一个excel表格来估算我们最好/最差的情况预期能达到怎样的效率。然后通过调整代码，调整算法，甚至调整编程语言(直接写ptx )来解决问题。

比如这个回答里的一篇文献，简单的矩阵转秩。里面作者的思路就是：转秩我们只会touch所有data 一次，那在理想情况下应该是和memcpy的效率一样。于是里面就通过各种技巧来逼近memcpy。

这种从体系结构 指导算法设计 的思路，我现在还在认真学习。

希望这篇回答能对大家有所帮助。