NVIDIA CUDA Toolkit 10.1.243

NVIDIA CUDA Toolkit 是 NVIDIA 官方推出的 GPU 平行運算開發環境，主要用來建立高效能、GPU 加速的應用程式。它內建 GPU 加速函式庫、C/C++ 編譯器、除錯與最佳化工具，以及執行期函式庫，讓開發者能直接利用 NVIDIA GPU 的運算能力。這套工具在開發者社群中評價普遍不錯，不過更新頻率不高，近期未見新版本釋出，維護狀態略顯沉寂。

這套工具適合需要在 macOS 上開發 GPU 加速應用的開發者，例如科學計算、機器學習或影像處理等領域。與同分類的其他工具相比，它綁定 NVIDIA 硬體，取捨在於若使用其他品牌 GPU 則無法發揮作用。軟體本身免費，但僅提供英文介面，且僅支援 macOS 平台（另有 Windows 版）。使用前需確認電腦配備 NVIDIA GPU，並留意系統相容性。

NVIDIA CUDA Toolkit for Mac 提供了一個開發環境，用於建立高效能的 GPU 加速應用程式。

透過適用於 macOS 的 CUDA Toolkit，您可以在 GPU 加速的嵌入式系統、桌上型工作站、企業資料中心、雲端平台以及 HPC 超級電腦上開發、最佳化及部署應用程式。



此工具套件包含 GPU 加速函式庫、除錯與最佳化工具、C/C++ 編譯器，以及用於部署應用程式的執行期函式庫。

GPU 加速的 CUDA 函式庫可在多個領域提供隨插即用的加速功能，例如線性代數、影像與視訊處理、深度學習及圖形分析。若要開發自訂演算法，您可以使用與常用語言和數值套件的既有整合，以及公開的開發 API。

您的 CUDA 應用程式可部署於所有NVIDIA GPU 系列，無論是內部部署或雲端 GPU 執行個體。利用內建功能在多 GPU 配置間分散運算，科學家與研究人員可以開發從單一 GPU 工作站擴展到包含數千顆 GPU 的雲端安裝之應用程式。

IDE 提供圖形化與命令列工具，用於除錯、識別 GPU 與 CPU 上的效能瓶頸，並提供情境感知的最佳化建議。您可以使用已熟悉的程式語言（包括 C、C++、Fortran 與 Python）來開發應用程式。

若要開始使用，請瀏覽線上入門資源、最佳化指南、範例說明，並與快速成長的開發者社群交流。立即下載適用於 macOS 的 NVIDIA CUDA Toolkit！

所提供的 macOS 主機工具如下：

Nsight Systems - 支援 Pascal 及更新 GPU 的系統分析器與時間軸追蹤工具

Nsight Compute - 支援 Volta 及更新 GPU 的 CUDA 核心分析器

注意：這些工具的 macOS 主機版本（先前版本已棄用）已自 CUDA Toolkit 12.5 起移除。
請點擊以下連結查看這些工具支援的作業系統。

Visual Profiler - 支援較舊 GPU 的 CUDA 核心與系統分析器及時間軸追蹤工具

cuda-gdb - GPU 與 CPU 的 CUDA 應用程式除錯器

功能與重點

• GPU 時間戳記：開始時間戳記
• 方法：GPU 方法名稱。這可能是「memcpy*」（用於記憶體複製）或 GPU 核心的名稱。記憶體複製會帶有描述傳輸類型的後綴，例如「memcpyDToHasync」表示從裝置記憶體到主機記憶體的非同步傳輸
• GPU 時間：該方法在 GPU 上的執行時間
• CPU 時間：GPU 時間與啟動該方法的 CPU 開銷之總和。在驅動程式產生的資料層級，對於非阻塞方法，CPU 時間僅為啟動該方法的 CPU 開銷；對於阻塞方法，則為 GPU 時間與 CPU 開銷的總和。所有核心啟動預設為非阻塞。但若啟用任何分析器計數器，核心啟動則會變成阻塞。不同串流中的非同步記憶體複製請求為非阻塞
• 串流 ID：串流的識別編號
• 僅適用於核心方法的欄位
• 佔用率：佔用率是每個多處理器的作用中 warp 數與最大作用中 warp 數的比率
• 分析器計數器：請參閱分析器計數器章節以取得支援的計數器清單
• 網格大小：沿 X、Y、Z 維度的網格區塊數，以單一欄位顯示為 [num_blocks_X num_blocks_Y num_blocks_Z]
• 區塊大小：沿 X、Y、Z 維度的區塊執行緒數，以單一欄位顯示為 [num_threads_X num_threads_Y num_threads_Z]
• 每個區塊的動態共享記憶體：每個區塊的動態共享記憶體大小（位元組）
• 每個區塊的靜態共享記憶體：每個區塊的靜態共享記憶體大小（位元組）
• 每個執行緒的暫存器數：每個執行緒的暫存器數量
• 僅適用於記憶體複製方法的欄位
• 記憶體傳輸大小：記憶體傳輸大小（位元組）
• 主機記憶體傳輸類型：指定記憶體傳輸使用「可分頁」或「頁面鎖定」記憶體

優點

• 強大的平行處理能力
• 針對 NVIDIA GPU 最佳化
• 強大的開發者支援
• 廣泛的 AI 與 HPC 應用
• 與函式庫無縫整合

缺點

• 僅限於 NVIDIA GPU
• 學習曲線陡峭
• 高功耗
• 硬體升級成本
• 不適合所有工作負載

也可取得：下載適用於 Windows 的 NVIDIA CUDA Toolkit

下載適用於 Mac 的 NVIDIA CUDA Toolkit 最新版本 為什麼此應用程式發布在 FileHorse 上？（更多資訊）