（1）GPU体系架构与并行计算基础：理解GPU与CPU的架构差异（多核并行vs众核并行），掌握SIMT（单指令多线程）执行模型、线程层次结构（网格Grid、线程块Block、线程Thread）以及GPU存储体系（全局内存、共享内存、寄存器、常量内存、纹理内存）的组织方式。了解GPU在通用计算中的应用场景和发展趋势。掌握GPU计算加速的度量方法和并行计算部件的基本原理。
（2）CUDA编程模型与开发环境搭建：学习CUDA编程模型的核心概念，包括内核函数（Kernel）定义与调用、线程组织方式、内置变量（threadIdx、blockIdx、blockDim）和API函数。搭建CUDA开发环境，掌握NVCC编译器使用、项目配置和调试工具（NVIDIA Nsight Systems、CUDA-GDB）的应用。编写第一个CUDA程序，实现向量加法并理解主机与设备间的数据传递机制。
（3）CUDA内存管理与数据迁移：掌握CUDA API进行设备内存分配（cudaMalloc）、释放（cudaFree）和主机-设备间数据拷贝（cudaMemcpy）。理解页锁定内存（pinned memory）、统一内存（unified memory）的应用场景。掌握错误处理机制（cudaGetLastError）和同步操作（cudaDeviceSynchronize）。优化CPU与GPU之间的内存迁移，减少数据传输开销。
（4）CUDA执行模型与线程调度：掌握CUDA线程、块和网格的配置方法以定义并行度。理解线程束（Warp）调度原理与过程、延迟隐藏原则和设备占用率的计算方法，能够根据硬件资源合理配置内核执行参数以最大化利用率。学习块内同步（__syncthreads）和网格级同步机制。
（5）CUDA存储器优化技术：深入理解各类存储器的特性与适用场景。掌握全局内存的合并访问原则，利用共享内存减少全局内存访问次数。使用常量内存和纹理内存加速特定访问模式。学习寄存器压力管理、本地内存溢出及bank conflict的避免策略。实践基于平铺（tiling）技术的矩阵乘法优化。
（6）原子操作与并发处理：掌握原子操作（atomicAdd等）的原理与应用场景，解决并行计算中的竞态条件。实现直方图计算等需要共享数据更新的算法。学习CUDA流（Streams）实现计算与数据传输的重叠，提高设备利用率。掌握异步并发执行和事件同步机制，使用CUDA事件进行性能计时和依赖管理。
（7）CUDA性能分析与调试工具：使用NVIDIA Nsight Systems、Nsight Compute进行CUDA代码的性能分析，识别性能瓶颈和热点。掌握CUDA-MEMCHECK检测内存错误和泄漏，使用NVTX注解进行精细化性能标注。学习使用nvprof和Visual Profiler进行性能剖析。
（8）CUDA库的应用：了解CUDA生态系统提供的常用库，包括cuBLAS（线性代数）、cuFFT（快速傅里叶变换）、cuRAND（随机数生成）、Thrust（C++模板库）和CUB（CUDA原语库）。学习如何利用这些库加速应用开发，避免重复造轮子。实践使用cuBLAS进行矩阵运算加速。
（9）CUDA高级特性：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。了解统一虚拟地址空间（Unified Virtual Address Space）和统一内存访问机制。学习协作组（Cooperative Groups）和现代C++与CUDA的融合编程。掌握CUB原语和warp shuffle操作。
（10）多GPU编程基础：掌握多GPU编程模型和任务划分策略。学习使用CUDA API管理多设备（cudaSetDevice、cudaDeviceProp）。了解点对点通信（Peer-to-Peer Access）和多GPU数据并行模式的基本原理。使用NCCL（NVIDIA集合通信库）实现多GPU间高效通信。
（11）CUDA Python与Numba加速：学习使用Numba编译器在Python中编写CUDA内核的方法。掌握通过几行代码实现NumPy ufuncs的GPU加速，利用CUDA线程层次结构配置代码并行化。编写自定义CUDA内核实现最大性能和灵活性，使用内存合并和共享内存增加CUDA内核的带宽。
（12）综合项目实战：结合所学知识，完成一个完整的GPU加速项目（如高性能矩阵运算、图像处理算法加速、蒙特卡洛模拟或深度学习算子实现）。涵盖算法设计、CUDA内核实现、性能优化（合并访问、共享内存、流并发）、功能验证和结果分析的全流程，形成规范的GPU开发项目报告
