CUB（CUDA Unbound）库简介

原创已于 2026-06-20 22:37:55 修改 · 6 阅读

0 GEO检测

标签

#cuda #cub #warp #device #block

收录于

于 2026-06-20 20:55:26 首次发布

高性能计算同时被 3 个专栏收录

该专栏为热销专栏榜第25名

24 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

编程之美

12 篇文章

订阅专栏

架构设计

8 篇文章

订阅专栏

CUB（CUDA Unbound）库说明

CUB 是 NVIDIA 提供的 header-only CUDA 协作原语库，为 GPU kernel 提供 block / warp / device 级别的并行算法组件。
官方仓库已并入 nvidia/cccl；

一、功能与作用

CUB 解决的核心问题：不必手写 warp shuffle、shared memory 归约、多 pass 排序等底层 CUDA 细节，直接调用高度优化的模板组件。

在 CUDA 软件栈中的位置：

应用 Kernel（业务逻辑）
    ↑
CUB 协作原语（Block / Warp / Device）
    ↑
CUDA Runtime / PTX / 硬件

四层能力

层级	头文件目录	典型能力
Device-wide	`cub/device/`	全数组 reduce、scan、sort

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

self-motivation

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

避坑指南：PyTorch3D在Windows安装时，关于CUB、MinGW和VS工具集的那些“坑”与真相

weixin_30772105的博客

03-28

362

本文详细解析了在Windows系统下安装PyTorch3D时常见的CUB、MinGW和VS工具集问题，提供了版本选择、环境配置和编译错误的解决方案。通过实测验证，帮助开发者避开安装过程中的各种'坑'，确保PyTorch3D顺利运行并优化性能。

Mamba-YOLOv11-L：用状态空间模型重写YOLO主干网络

weixin_30667831的博客

06-19

326

目标检测中的主干网络（Backbone）是决定模型感受野、特征保真度与部署效率的核心组件。传统卷积型主干（如CSPDarknet）受限于局部滑窗与固定感受野，在小目标检测、遮挡场景和跨尺度建模中表现乏力；而Transformer类全局建模虽强，却面临O(N²)计算开销、显存爆炸与ONNX/TensorRT兼容性差等工程瓶颈。状态空间模型（SSM）凭借O(N)线性复杂度、硬件友好算子设计及天然序列建模能力，正成为轻量级实时检测的新范式。Mamba作为SSM的代表性实现，通过扫描机制、选择性状态更新与分辨率自适

参与评论您还未登录，请先登录后发表或查看评论

双螺旋输送机CAD装配图.rar

06-20

双螺旋输送机CAD装配图.rar

HZST64F.rar

06-20

当 CAD 缺失对应字体时，图纸文字会显示异常，出现乱码、问号。将下载好的字体文件复制到 AutoCAD 的 Fonts 文件夹中，即可恢复正常显示。

06-20

06-20

06-20

标题：用Java重塑缓存一致性治理服务内容概要：聚焦性能优化、权限隔离、数据一致性与监控告警，讲解用Java重塑缓存一致性治理服务的设计思路。 24直播网：instore365.com 24直播网：m.deshun888.com 24直播网：deshun888.com 24直播网：www.deshun888.com 24直播网：m.zhizhuboapp.cn

06-20

06-20

06-20

瓶子贴标机Solidworks设计附step.rar

06-20

瓶子贴标机Solidworks设计附step.rar

基于人工智能的新药发现辅助系统

06-20

随着人类对生命健康需求的不断增长，新药研发面临着前所未有的挑战。传统的药物研发流程通常耗时长达十年以上，耗资数十亿美元，且最终成功率极低，这在制药界被称为“反摩尔定律”困境。近年来，人工智能技术的飞速发展，特别是深度学习和大数据分析的广泛应用，为新药发现带来了革命性的契机。人工智能能够从海量的化学和生物数据中挖掘潜在规律，显著加速药物靶点发现、先导化合物优化等关键环节。在此背景下，本研究旨在设计并实现一个基于人工智能的新药发现辅助系统，以期为传统药物研发流程提供高效的智能化辅助工具，从而有效缩短研发周期并大幅降低研发成本。本研究以Python作为主要开发语言，深度结合PyTorch和TensorFlow两大主流深度学习框架，并集成RDKit化学信息学工具包，构建了一个功能完善的新药发现辅助系统。系统的核心目标是利用先进的人工智能技术辅助新药分子的设计与活性评估。在研究方法上，本文创新性地提出了一种融合多模态数据的新药发现算法。该算法综合处理分子的多种表示形式，包括一维的SMILES序列、二维的分子图结构以及三维的空间构象数据。通过构建多通道神经网络，系统能够有效提取并融合不同模态的特征，从而全面捕捉分子的理化性质与生物学活性之间的复杂非线性关系。【课程报告内容】摘要第1章绪论第2章相关技术与理论第3章系统需求分析第4章系统总体设计第5章系统详细设计与实现第6章系统测试与分析第7章总结与展望参考文献附件-实现指南

openharmony分布式设备管理以及业务上下线流程

06-20

完整业务上下线流程图示，从laval社区找的

基于python如何快速编写量化策略及开发量化交易系统 7课适合零基础快速入门学习

06-20

基于python如何快速编写量化策略及开发量化交易系统 7课适合零基础快速入门学习

字体映射表失效造成 DWG 图纸乱码怎么办？下载 acad.f.rar

06-20

06-20

06-20

内容概要：本文系统介绍了Python在大数据处理与分布式计算领域的技术实践，涵盖PySpark、Dask和Ray三大主流框架的核心原理与应用场景。文章从分布式计算基础出发，讲解数据分区、序列化、Shuffle优化等关键技术，随后深入剖析PySpark的内存计算模型、DataFrame操作、Catalyst优化器及性能调优策略；介绍Dask如何通过任务图实现与Pandas兼容的并行计算；阐述Ray在AI应用中的低延迟调度、对象存储和AI运行时能力。最后通过交通数据处理的实战案例，展示了多框架协同完成批处理、特征工程、模型训练与实时推理的全流程。; 适合人群：具备Python编程基础，熟悉Pandas、NumPy等数据处理工具，从事数据分析、大数据开发或AI工程化的研发人员，尤其是工作2-5年的中高级工程师；; 使用场景及目标：①掌握PySpark、Dask、Ray的选型依据与核心机制；②理解分布式计算中的数据分区、Shuffle优化、容错处理等关键问题；③实现从单机数据处理到集群规模计算的技术跃迁；④构建批流一体的大数据处理 pipeline；阅读建议：建议结合代码实践，重点理解各框架的惰性求值机制、任务调度模型与数据共享方式，关注实战案例中的多框架协作模式，并利用提供的Web仪表盘进行任务监控与性能分析。

湿式溢流型球磨机.rar

06-20

湿式溢流型球磨机.rar

三级减速器齿轮箱3D图纸 STEP格式.rar

06-20

三级减速器齿轮箱3D图纸 STEP格式.rar

易语言源码易语言EDB用户操作源码

06-20

易语言源码易语言EDB用户操作源码