请注意，此仓库已弃用且不再维护。请参阅 OpenHackathons 下的新仓库 这里

GPU训练营培训资料

GPU训练营旨在帮助参与者建立对加速计算的信心，并最终为开发者参加 黑客马拉松 做好准备。

本仓库包含用于 HPC、AI 以及两者的融合领域的 GPU 训练营材料：

贡献

• 本仓库采用 Apache 2.0 许可证。有关文件夹结构的更多详细信息，开发者可参考 CONTRIBUTING.md 文件。

作者与致谢

有关本训练营的贡献者列表，请参阅 贡献者。

加入 OpenACC 社区

请加入 OpenACC Slack 频道。

GPUBootcamp 快速上手指南

⚠️ 重要提示：本仓库（gpuhackathons-org/gpubootcamp）已弃用并停止维护。官方建议开发者迁移至新的 OpenHackathons 组织下的相关仓库获取最新培训材料。以下内容仅作为历史参考或用于访问现有存档资料。

GPUBootcamp 旨在帮助开发者建立加速计算（Accelerated Computing）的信心，并为参加 GPU 黑客松（Hackathons）做准备。材料涵盖高性能计算（HPC）、人工智能（AI）及其融合领域。

1. 环境准备

由于本项目主要为培训材料和代码示例集合，而非单一的可执行软件包，因此对环境的要求取决于您具体想要运行的示例代码（如 CUDA、OpenACC、PyTorch 等）。

• 操作系统：推荐 Linux (Ubuntu 20.04/22.04, CentOS 7+) 或 macOS。Windows 用户建议使用 WSL2。
• 硬件要求：
  • 若要实际运行加速代码，需要配备 NVIDIA GPU 的设备。
  • 若仅阅读文档或运行 CPU 模拟部分，普通开发机即可。
• 前置依赖（根据具体模块可能需要）：
  • NVIDIA Driver: 版本需与目标 CUDA 版本匹配。
  • CUDA Toolkit: 建议安装最新版或示例代码指定的版本。
  • 编译器: gcc, g++, 或支持 OpenACC 的编译器 (如 NVHPC)。
  • Python: 3.8+ (针对 AI 相关示例)，建议配合 conda 或 venv 使用。
  • Git: 用于克隆仓库。

2. 安装步骤

本项目通过 Git 克隆获取，无需复杂的编译安装过程。

步骤 1: 克隆仓库

打开终端，执行以下命令获取材料：

git clone https://github.com/gpuhackathons-org/gpubootcamp.git
cd gpubootcamp

(注：由于仓库已弃用，若下载速度慢，可尝试手动下载 ZIP 包或使用国内 Git 镜像代理，但官方未提供特定的中国镜像源。)

步骤 2: 查看目录结构

进入目录后，请参考 CONTRIBUTING.md 了解文件夹结构。通常包含针对不同主题的子目录，例如：

• hpc/: 高性能计算示例
• ai/: 人工智能示例
• convergence/: HPC 与 AI 融合示例

步骤 3: 配置特定示例环境

不同的示例可能需要不同的 Python 库或编译器标志。请进入具体子目录，查看该目录下的 README.md 或 requirements.txt。

例如，对于包含 Python 依赖的 AI 示例：

cd ai/specific_example_folder
pip install -r requirements.txt

3. 基本使用

本项目的核心是“学习”而非“运行工具”。使用流程通常为：阅读教程 -> 分析代码 -> 编译/运行示例 -> 修改优化。

最简单的使用示例

假设您想学习一个基础的 CUDA 或 OpenACC 示例（以伪代码路径为例）：

1. 定位示例： 找到包含源代码的目录，例如 hpc/intro-to-cuda。

2. 阅读指南： 先阅读该目录下的说明文档，了解算法逻辑和优化目标。

3. 编译代码（以 CUDA 为例）：

   nvcc -o vector_add vector_add.cu
   

   或者对于 OpenACC 示例（需安装 NVHPC）：

   nvc -acc -ta=tesla vector_add.c -o vector_add
   

4. 运行程序：

   ./vector_add
   

5. 实践练习： 根据 Bootcamp 的指导，尝试修改代码中的并行块大小（Block Size）或网格大小（Grid Size），观察性能变化。

---

后续建议： 为了获得持续更新的技术栈支持和活跃的社区交流，请务必访问 OpenHackathons GitHub 组织 查找最新的替代项目，并加入 OpenACC Slack 频道 参与讨论。