（1）现代GPU微架构深度解析：深入理解NVIDIA GPU微架构的演进历程（Fermi/Kepler/Maxwell/Pascal/Volta/Turing/Ampere/Hopper/Blackwell）及其核心设计理念。掌握流式多处理器（SM）的内部结构：Warp调度器、指令分发单元、寄存器文件、共享内存、张量核心（Tensor Core）、RT Core的组织方式。理解计算核心与显存子系统的层次结构（L1/L2缓存、显存控制器、NVLink互连）及其对性能的影响。
（2）CUDA高级调试技术：掌握CUDA-GDB的核心功能与扩展命令，包括多GPU调试、远程调试、条件断点、观察点、CUDA内建变量的运行时检查。学习调试信息生成（-G -g选项）、PTX/SASS汇编级调试技巧。掌握使用cuda-memcheck工具检测内存越界、未初始化访问、并发错误等问题。了解核心转储（core dump）的生成与分析技术。
（3）NVIDIA Nsight Systems系统级性能分析：掌握Nsight Systems的使用方法，进行CPU与GPU协同执行轨迹的捕获与分析。识别系统级性能瓶颈：CPU/GPU饥饿、PCIe数据传输重叠度、内核启动开销、内存拷贝与内核执行的非重叠问题。学习使用NVTX（NVIDIA Tools Extension API）在应用中添加自定义标记和范围，精细化分析特定代码区域的性能特征。
（4）NVIDIA Nsight Compute内核级深度剖析：掌握Nsight Compute（ncu）对CUDA内核进行指令级性能分析的方法。学习解读关键性能指标：计算吞吐量、内存吞吐量、指令执行停顿、线程束发散率、bank conflict计数。使用源码关联分析工具精确定位性能热点，理解GPU动态指令调度对性能的影响。
（5）GPUView与Windows图形栈分析：掌握GPUView工具的使用方法，基于ETW事件分析CPU与GPU交互细节。识别线程调度延迟、DPC（延迟过程调用）队列积压、图形驱动排队等问题。理解WDDM（Windows显示驱动模型）的UMD（用户态驱动）和KMD（内核态驱动）交互过程，分析图形应用程序的CPU开销。
（6）内存子系统优化技术：深入理解GPU内存层次结构（全局内存、L2缓存、L1缓存/共享内存、寄存器、常量内存）的延迟与带宽特性。掌握全局内存合并访问的实现条件与优化技巧，利用共享内存减少冗余全局内存访问。学习bank conflict的识别与避免策略，寄存器压力的管理与溢出处理。
（7）线程束发散与执行模式优化：深入理解SIMT执行模型下线程束（Warp）内分支发散的产生原因与性能代价。掌握减少发散的技术：数据重组、谓词执行、线程束级函数（__shfl_sync, __ballot_sync）。学习着色器执行重排序（SER）技术的原理与应用，通过光线追踪等场景中的实时状态优化提升线程束活性。
（8）CUDA流与并发执行优化：掌握CUDA流（Streams）的高级用法，实现计算与数据传输的重叠、多内核的并发执行。学习使用CUDA事件进行精细化同步与性能计时。理解默认流阻塞行为与多流调度的最佳实践。掌握动态并行（Dynamic Parallelism）的原理与应用场景，实现GPU内核中启动新的内核。
（9）多GPU编程与通信优化：掌握多GPU系统的编程模型，学习使用CUDA API进行多设备管理与任务划分。深入理解点对点通信（Peer-to-Peer Access）的实现机制与性能特征。学习使用NCCL（NVIDIA集合通信库）实现多GPU间的高效全局归约、广播等集合通信操作。了解NVLink与PCIe的不同通信路径选择策略。
（10）高级内核调优与自动调整技术：掌握基于CUTLASS库的GEMM内核自动调整方法。学习使用nvMatmulHeuristics启发式算法预测最优内核配置，减少暴力搜索的时间开销。理解GEMM内核元参数（CTA形状、Warp形状、指令级Tile大小、split-K因子、集群维度）对性能的影响规律。掌握静态编译与JIT编译的性能权衡策略。
（11）图形与光线追踪管线优化：理解现代图形管线（DirectX 12/Vulkan）在GPU上的执行模型与性能分析。掌握使用Nsight Graphics分析图形应用程序的性能特征：顶点处理、像素着色、光线追踪。学习光线追踪实时状态的分析与优化技术，减少RT实时状态溢出带来的性能损失。掌握着色器执行重排序（SER）在路径追踪中的应用。
（12）综合项目实战：端到端性能优化：结合所学知识，完成一个完整的GPU应用程序性能优化项目（如深度学习推理服务、科学计算模拟、游戏引擎渲染管线）。涵盖性能评估、瓶颈识别、优化方案设计、代码重构、效果验证和迭代优化的全流程，形成规范的性能优化报告。
