这是一个GitHub资源库，收集整理了关于CUDA编程的优质书籍清单，涵盖从入门到高级的内容，包括C++/Python、架构、优化等主题，重点关注NVIDIA GPU并行计算的实用资源。清单持续更新至2026年，并欢迎社区贡献。

CUDA编程精选书单

项目概述

这是一个精心整理的CUDA编程书单，涵盖从入门到高级的各类优质资源，专注于NVIDIA GPU并行计算的实用指南。

最后更新：2026年5月

欢迎贡献！详见贡献指南

主要内容分类

入门指南

• 《CUDA by Example》：GPU通用编程经典入门书（2010）
• 《Learn CUDA Programming》：现代入门教程，含CUDA 10+示例（2019）
• 《CUDA for Engineers》：面向工程师的实践项目指南（2016）

核心架构与并行编程

• 《Programming Massively Parallel Processors》：全球高校采用的GPU架构权威教材（2022第3版）

实践指南

• 《Programming in Parallel with CUDA》：真实科学计算案例（2022）
• 《Professional CUDA C Programming》：生产级开发指南（2014）
• 《GPU Parallel Program Development Using CUDA》：重点介绍CUDA库（2018）

高级优化与参考

• 《The CUDA Handbook》：全面API参考手册（2013）
• 《CUDA Programming》：并行算法与优化模式（2013）
• 《CUDA Application Design and Development》：可扩展应用设计（2011）

Python与高级CUDA

• 《Hands-On GPU Programming with Python and CUDA》：Python开发者首选（2018）
• 《GPU Programming with C++ and CUDA》：现代C++20与Python互操作（2024）

2022-2026年新书

重点推荐： - 2022年出版的《Programming in Parallel with CUDA》和《Programming Massively Parallel Processors》第3版 - 2024年《GPU Programming with C++ and CUDA》 - 2024-2026年专业书籍（如优化、调试、科学计算等方向）

专业建议：CUDA技术更新快，建议配合NVIDIA官方《CUDA C++编程指南》使用。

贡献指南

• 添加2018年后出版或仍具价值的经典书籍
• 需包含丰富代码示例并获得良好评价

相关资源

• awesome-cuda：工具与库
• awesome-gpu
• awesome-parallel-computing

该项目经过全面网络搜索，是目前最完整的公开CUDA书单。

以下是评论内容的总结：

1. 关于学习CUDA的实用性争议

   • 反对观点：NVIDIA内部人士建议不要自己写CUDA内核（除非是NVIDIA全职工作）
     • "those in nvidia's inner circle are advocating against writing your own CUDA kernels" (juvoly)
   • 支持观点：推荐通过大学课程系统学习CUDA硬件工程到优化的完整知识
     • "start by engineering the hardware, and goes up to the optimization part" (somethingsome)

2. 学习资源推荐

   • 书籍推荐：
     • 最佳入门书：'CUDA Programming: A Developer's Guide'
       • "the best intro is 'CUDA Programming: A Developer's Guide'" (somethingsome)
     • 批评《Massively Parallel Processors》存在错误和表述问题
       • "many small mistakes and confusing sentences" (somethingsome)
   • 在线资源：
     • 推荐ORNL的CUDA培训系列
       • "I liked going through https://www.olcf.ornl.gov/cuda-training-series/" (zparky)
     • 询问MOOC课程推荐
       • "Any good MOOCs on Parallel programming/NVIDIA?" (brcmthrowaway)

3. 新技术关注

   • 建议关注新兴技术：
     • Python直接编写CUDA内核的Warp框架
       • "Warp lets you write CUDA kernels directly in Python" (dahart)
     • 询问cuTile等新范式资源
       • "any good resources for the newer paradigms like cuTile?" (fwx)

4. 学习环境反思

   • 质疑在AI时代静心读书的可行性
     • "how do you find an excuse to sit down and read a book?" (phoronixrly)

注：所有评论均无评分数据，无法评估认可度。总结保持了不同观点的平衡，包括支持/反对学习CUDA、传统书籍/新工具对比等不同维度。