2021年秋招进行中，我也曾在秋招中斩获不少offer，这几天在群里和毕业的同学们吹牛，但是感觉大家为都在为一个问题苦恼……
兄弟们啊，救救我啊！leader让我想办法提高交易速度，说我研究深度学习的，一定有办法提高股票时间序列数据的量化处理速度。还说，优化的好，年终奖50万少不了，兄弟们帮帮忙啊！！！
......
首先分析，上面的案例，是模型优化或者模型加速领域的问题，如果在软件算法层面已经是目前最优或者较优方法了，那么进一步提高算法的性能和效率，如何实现呢？----那就是这项神技，异构硬件高性能计算，这里应用最广的就是CUDA编程了。
如上图，简单来说，就是操作左边GPU的多核进行同时计算。主要特性包括：
CUDA C编程基本知识（kernel、grid、block、thread），包括：这几个名称的概念，之间的包含关系，如何用CUDA语言来调用它们；
CUDA中共享内存的使用（Shared Memory），包括：GPU中寄存器的使用，shared memory、contant memory、global memory、texture memory之间的区别和联系，以及如何使用它们；
如何在不同场景下使用不同CUDA指令，包括：原子指令、单精度和双进度优化指令等等。
但是对于初学者来说，CUDA真就不够友好，涉及的知识很多，比如GPU各个层级的运行模式，cuDNN和Tensor RT等等，除了这些基本知识外，还需要会一点性能分析和优化……导致学习CUDA的效率低。CUDA作为一门实用性的技术，只有解决实际问题，才能体现它的价值。那如何学习这门技术呢？1.掌握CUDA并行计算系统的分析、开发、调试与优化方法；
2.熟悉CUDA的基本概念以及主流的并行算法；
3.了解cuDNN与TendorRT两个深度学习模型加速的主流工具；
深蓝学院开设了《CUDA入门与深度神经网络加速》的课程，以上学习路径一套打包带走~并且使大家能够具备CUDA编程操作能力，使用cuDNN、TensorRT这两个当下热门的深度神经网络加速的工具。
