企业官网建设流程全解析

CUDA Samples 版本演进全解析：从 CUDA 9.2 到 13.3 的变更日志深度解读

【免费下载链接】cuda-samplesSamples for CUDA Developers which demonstrates features in CUDA Toolkit项目地址: https://gitcode.com/GitHub_Trending/cu/cuda-samples

CUDA Samples 是 NVIDIA 官方提供的 CUDA Toolkit 功能示例集，其 CHANGELOG.md 记录了从 CUDA 9.2 首次开源发布到 CUDA 13.3 的全部版本演进。本文以该变更日志为核心骨架，结合仓库源码（C++ 与 Python 示例、CMake 构建脚本、公共头文件）逐版本剖析 API 迁移、示例增删与工程化改进，帮助你快速定位"哪个示例对应哪个 CUDA 版本特性"，并在升级 CUDA Toolkit 时准确预判构建与代码迁移风险。

一、版本全貌与目录结构演进

1.1 版本时间线概览

从 CHANGELOG.md 可以梳理出仓库覆盖的版本区间：CUDA 9.2（GitHub 首版发布）→ 10.x → 11.x（目录结构重构、全面转向 GitHub 分发）→ 12.x（CMake 构建迁移、跨平台工具链更新）→ 13.x（重大 API 弃用清理、CUDA Python 与 CUDA Tile 新示例群）。各版本的核心动作可归纳为三类：新增示例、移除过时示例、适配 API 变更。

1.2 目录结构与语言双轨

CUDA 13.2 起，仓库将顶层Samples目录重命名为cpp，以便与新增的python/示例并存：

• cpp/：C++/CUDA 示例，按功能分为0_Introduction、1_Utilities、2_Concepts_and_Techniques、3_CUDA_Features、4_CUDA_Libraries、5_Domain_Specific、6_Performance、7_libNVVM、8_Platform_Specific/Tegra、9_CUDA_Tile共十个子目录；
• python/：CUDA Python 示例，采用与 C++ 树一致的1_GettingStarted、2_CoreConcepts、3_FrameworkInterop、4_DistributedComputing组织方式，并共享 python/Utilities/cuda_samples_utils.py 等辅助模块；
• Common/：C++ 示例共享的公共头文件（helper_cuda.h、helper_image.h、nvrtc_helper.h等）。

注意：CHANGELOG 明确指出，Python 示例不参与根 CMake 工程的构建。安装方式为在示例目录内执行pip install -r requirements.txt，再按各示例 README 运行对应的.py文件。

二、CUDA 13.x：API 大迁移与新特性示例

CUDA 13.x 是变更最密集的版本段，核心工作是清理被弃用（deprecated）并移除的 API，同时引入两个全新的示例族。

2.1 CUDA 13.0：cudaDeviceProp 字段迁移到 cudaDeviceGetAttribute

CUDA 13.0 移除了多个cudaDeviceProp字段，仓库统一改用cudaDeviceGetAttribute查询等价属性。CHANGELOG 给出了完整的字段映射表：

源码印证：在 deviceQuery.cpp 中可以看到典型迁移模式，并且通过CUDART_VERSION >= 13000宏做了条件编译——CUDA 13.0 及以上走cudaDeviceGetAttribute，旧版本仍读deviceProp字段，保证跨版本兼容：

int clockRate; checkCudaErrors(cudaDeviceGetAttribute(&clockRate, cudaDevAttrClockRate, dev)); printf(" GPU Max Clock rate: %.0f MHz (%0.2f GHz)\n", clockRate * 1e-3f, clockRate * 1e-6f); #if CUDART_VERSION >= 13000 checkCudaErrors(cudaDeviceGetAttribute(&memoryClockRate, cudaDevAttrMemoryClockRate, dev)); #else memoryClockRate = deviceProp.memoryClockRate; #endif

同样地，kernelExecTimeout与gpuOverlap（deviceQuery.cpp）、computeMode（deviceQuery.cpp）也都切换到了属性查询接口，而cooperativeMultiDeviceLaunch则在 CUDA 13.0 起直接由#if CUDART_VERSION < 13000保护（deviceQuery.cpp）。本次迁移涉及 6 个目录下的示例，包括UnifiedMemoryStreams、simpleHyperQ、simpleIPC、simpleMultiCopy、systemWideAtomics、streamOrderedAllocationIPC、simpleCUBLASXT、simpleVulkan、vulkanImageCUDA等。

2.2 CUDA 13.0：Driver API 与 Runtime API 签名升级

除cudaDeviceProp外，CUDA 13.0 还升级了三个核心 API 签名：

（1）cuCtxCreate→cuCtxCreate_v4：新增CUctxCreateParams参数。公共头文件 nvrtc_helper.h 中loadCUBIN的实现即为标准迁移样板——先初始化空的CUctxCreateParams ctxCreateParams = {}，再传入cuCtxCreate：

CUctxCreateParams ctxCreateParams = {}; ... checkCudaErrors(cuInit(0)); checkCudaErrors(cuCtxCreate(&context, &ctxCreateParams, 0, cuDevice));

受影响的示例包括 Driver API 系列matrixMulDrv、simpleTextureDrv、vectorAddDrv、vectorAddMMAP、memMapIPCDrv，以及7_libNVVM下的cuda-c-linking、device-side-launch、simple、uvmlite等。

（2）cudaGraphAddNode/cudaStreamGetCaptureInfo→_v2/_v3：新增cudaGraphEdgeData指针参数。以 graphConditionalNodes.cu 为例，cudaGraphAddNode的调用模式为传入 NULL 依赖数组与边数据指针：

checkCudaErrors(cudaGraphAddNode(&kernelNode, graph, NULL, NULL, 0, &params)); checkCudaErrors(cudaGraphAddNode(&conditionalNode, graph, &kernelNode, NULL, 0, &cParams));

（3）cudaMemAdvise/cudaMemPrefetchAsync→_v2：int device参数改为cudaMemLocation location。涉及conjugateGradientMultiDeviceCG与UnifiedMemoryPerf两个多 GPU 内存管理示例。

2.3 CUDA 13.0：cuFFT 错误码重构

cuFFT 弃用了CUFFT_INCOMPLETE_PARAMETER_LIST、CUFFT_PARSE_ERROR、CUFFT_LICENSE_ERROR，新增四个错误码。公共头文件 helper_cuda.h 中的_cudaGetErrorEnum(cufftResult)已同步加入新错误码的字符串映射：

case CUFFT_MISSING_DEPENDENCY: return "CUFFT_MISSING_DEPENDENCY"; case CUFFT_NVRTC_FAILURE: return "CUFFT_NVRTC_FAILURE"; case CUFFT_NVJITLINK_FAILURE: return "CUFFT_NVJITLINK_FAILURE"; case CUFFT_NVSHMEM_FAILURE: return "CUFFT_NVSHMEM_FAILURE";

新增错误码的语义可以从命名推断：MISSING_DEPENDENCY表示缺失运行时依赖，NVRTC_FAILURE/NVJITLINK_FAILURE表示 cuFFT 内部通过 NVRTC 或 NVJITLINK 做 JIT 编译时失败，NVSHMEM_FAILURE表示 NVSHMEM 相关路径失败。受影响示例为simpleCUFFT、simpleCUFFT_2d_MGPU、simpleCUFFT_MGPU、simpleCUFFT_callback四个 FFT 示例。

2.4 CUDA 13.1 与 13.2

• CUDA 13.1：仅"小规模 bug 修复与增强，无结构或功能变化"，属于低风险升级；
• CUDA 13.2：针对 MSVC 编译器新增-Xcompiler=/Zc:preprocessor编译选项。根 CMakeLists.txt 中的实现如下，作用是启用符合标准的预处理器以兼容 CUDA 13.2 的 CCCL——CHANGELOG 特别强调，若继续使用传统预处理器，会触发 "MSVC/cl.exe with traditional preprocessor is used…" 警告并最终导致构建错误：

# Add MSVC-specific flags for standard-conforming preprocessor (required for CCCL) if(MSVC) add_compile_options($<$<COMPILE_LANGUAGE:CUDA>:-Xcompiler=/Zc:preprocessor>) endif()

• CUDA 13.2 (update)：新增python/示例树，并将Samples目录重命名为cpp，同步更新了 CMakeLists.txt 与Common头文件中的路径引用。

2.5 CUDA 13.3：CUDA Tile C++ 与 CCCL 特性示例

CUDA 13.3 新增两大示例群：

（1）CUDA Tile C++ 示例（cpp/9_CUDA_Tile/）：官方 CUDA Tile C++ 库入门到进阶。根据 9_CUDA_Tile/README.md，各示例定位如下：

（2）CCCL 3.3 特性示例（cpp/4_CUDA_Libraries/）：这批示例通过 CPM 拉取 CCCL（固定 v3.3.3，可用CCCL_SOURCE_DIR覆盖）：

• cubDeviceFind：cub::DeviceFind::FindIf、LowerBound、UpperBound设备级查找算法；
• cubDeviceSegmentedScan：ExclusiveSegmentedSum与带自定义二元算子的InclusiveSegmentedScan；
• cubDeviceTransform：操作符返回cuda::std::tuple的 N-to-Mcub::DeviceTransform::Transform；
• libcuxxRandom：cuda::pcg64与cuda::std::philox4x32引擎驱动<cuda/std/random>中的均匀、正态、泊松、伯努利分布；
• libcuxxMdspan：通过cuda::to_device_mdspan/cuda::to_dlpack_tensor实现 DLPack 与cuda::std::mdspan互转，并提供cuda::shared_memory_mdspan对共享内存建立多维视图。

（3）cuda.compute 1.0 Python 示例（python/2_CoreConcepts/）：cudaComputeLambdas与binarySearch两个示例。根据 cudaComputeLambdas/README.md，cuda.compute（来自cuda-cccl包）接受纯 Python 可调用对象（含 lambda）作为算子，内部通过 Numba 将算子 JIT 编译为 LTO-IR 供设备端执行，覆盖reduce_into、unary_transform、inclusive_scan三类算法族；binarySearch则演示并行的upper_bound/lower_bound，并用numpy.searchsorted校验结果。硬件要求 Compute Capability 7.0+，软件要求 CUDA Toolkit 13.0+ 与 Python 3.10+。

三、CUDA 12.x：工程化改造与示例清理

3.1 CUDA 12.8：全面迁移到 CMake

CUDA 12.8 是工程层面的分水岭：仓库构建系统统一为 CMake，移除了 Visual Studio 工程文件与 Makefile。根 CMakeLists.txt 展示了当前构建配置要点：

• cmake_minimum_required(VERSION 3.20)，project声明 C/CXX/CUDA 三种语言，find_package(CUDAToolkit REQUIRED)；
• C++ 与 CUDA 均使用 C++17 标准；
• CMAKE_CUDA_ARCHITECTURES默认覆盖 75/80/86/87/89/90/100/110/120 多个架构；
• 默认追加-lineinfo便于调试工具使用（ENABLE_CUDA_DEBUG时改用-G启用 cuda-gdb）；
• 全局开启--extended-lambda并（MSVC 下）追加/Zc:preprocessor。

3.2 CUDA 12.8：过时示例清理清单

CHANGELOG 明确列出了被移除的示例及其理由，对评估旧教程代码有直接参考价值：

同一版本还把 12 个 Tegra 专属示例（EGLSync_CUDAEvent_Interop、cuDLAErrorReporting、cuDLAHybridMode、cuDLALayerwiseStatsHybrid、cuDLALayerwiseStatsStandalone、cuDLAStandaloneMode、cudaNvSciBufMultiplanar、cudaNvSciNvMedia、fluidsGLES、nbody_opengles、simpleGLES、simpleGLES_EGLOutput）统一迁入 8_Platform_Specific/Tegra。

3.3 CUDA 12.9：测试工具与代码格式化

CUDA 12.9 的主要变化包括：

• 新增 run_tests.py 工具用于批量执行全部示例（详情见 README.md），脚本支持并发执行、线程安全输出，并将豁免（waived）测试的退出码约定为 2；
• 全仓库统一代码格式；
• 移除已过时且结果不准确的bandwidthTest（官方建议改用 NVBandwidth 工具）；
• 更新 Tegra Linux 交叉编译工具链。

3.4 CUDA 12.0 ~ 12.5 关键新增

• CUDA 12.0：新增 JIT 编译相关 flag，移除 Hopper 架构中的弃用 API；
• CUDA 12.1：新增 Large Kernel 示例（cpp/6_Performance/LargeKernelParameter/）；
• CUDA 12.2：libNVVM 示例更新，修复jitLto案例问题，为 GCC 启用（未经充分测试的）HOST_COMPILER选项；
• CUDA 12.3：新增 cuDLA 系列示例，修复jitLto回归；
• CUDA 12.4：新增 graphConditionalNodes（条件图节点）示例。

四、CUDA 11.x：目录重构与示例爆发期

4.1 CUDA 11.0~11.6 代表性新增

CUDA 11.x 是新增示例最多的时期，CHANGELOG 记录的核心新增包括：

• Tensor Core 矩阵乘（Ampere，CUDA 11.0）：dmmaTensorCoreGemm（双精度 WMMA）、bf16TensorCoreGemm（__nv_bfloat16）、tf32TensorCoreGemm（tf32），全部基于 Ampere 芯片家族张量核心；
• 协作组（Cooperative Groups，CUDA 11.0）：warpAggregatedAtomicsCG（warp 聚合原子操作，CC 7.0+）、binaryPartitionCG（二分分区与块内归约）、reduction新增reduce_add_sync与cooperative_groups::reduce两个新内核；
• 异步拷贝与屏障（CUDA 11.0）：globalToShmemAsyncCopy（CC 8.0+ 全局到共享内存异步拷贝）、simpleAWBarrier（arrive-wait 屏障）；
• 流顺序内存分配（CUDA 11.2）：streamOrderedAllocation、streamOrderedAllocationP2P，演示cudaMallocAsync与cudaMemPoolAPI 族；
• 图内存节点（CUDA 11.5）：graphMemoryNodes（图内内存分配/释放）、graphMemoryFootprint（虚拟地址与物理内存复用）；
• cuDLA 系列（CUDA 11.5）：cuDLAHybridMode、cuDLAStandaloneMode、cuDLAErrorReporting；
• 其他：cudaOpenMP（多 GPU OpenMP，11.1）、simpleZeroCopy（零拷贝，11.1）、watershedSegmentationNPP（分水岭分割，11.1）、simpleCUBLAS_LU（批量 LU 分解，11.3）、cdpQuadtree（CUDA Dynamic Parallelism 四叉树，11.4）、simpleVulkan/simpleVulkanMMAP/vulkanImageCUDA的 SPIR-V 与时间线信号量更新（11.4）、cudaNvSciNvMedia（NvSciBuf/NvSciSync 互操作，11.2）。

4.2 CUDA 11.5/11.6 工程与分发变化

• CUDA 11.5：CUDA Toolkit 中的全部示例迁移至 GitHub 发布；
• CUDA 11.6：新增示例目录结构（即当前的cpp/0_Introduction~8_Platform_Specific框架）；全部 Windows 示例支持 Visual Studio 2022；CUDA Samples 不再随 CUDA Toolkit 分发，仅通过 GitHub 获取；
• CUDA 11.4：新增 Linux 平台 VS Code 支持；
• CUDA 11.2：Windows 端放弃 Visual Studio 2015；FreeImage 不再随示例分发（Windows 参见 README.md 的 Dependencies 章节，Linux 推荐使用发行版包管理器安装）；全部示例支持nvcc --threads并行构建；Pipeline 与 arrive-wait 屏障示例统一迁移到新的cuda::pipeline/cuda::barrier接口。

五、CUDA 10.x：库互操作与图 API 奠基

CUDA 10.x 的示例为后续版本奠定了基础，代表性新增包括：

• CUDA Graphs（10.0）：simpleCudaGraphs（图的创建/实例化/启动）、conjugateGradientCudaGraphs（cuBLAS/cuSPARSE 调用捕获进图）；
• 互操作（10.0/10.1）：simpleVulkan、simpleD3D12、vulkanImageCUDA、EGLStream_CUDA_Interop、simpleD3D11（外部资源互操作 + Keyed Mutex 同步）、simpleDrvRuntime（Driver 与 Runtime API 协同加载 fatbinary）；
• 内存映射（10.2）：vectorAddMMAP、memMapIPCDrv，演示cuMemMap物理属性指定与 IPC；
• NPP/cuSolver/cuRAND（10.1~10.2）：boxFilterNPP、cannyEdgeDetectorNPP、watershedSegmentationNPP（10.1 Update 1）、cuSolverDn_LinearSolver、cuSolverSp_LinearSolver（LU/QR/Cholesky 分解）、MersenneTwisterGP11213、nvJPEG/nvJPEG_encoder；
• 性能与系统（10.0/10.1）：p2pBandwidthLatencyTest、UnifiedMemoryPerf、systemWideAtomics、reduction（数据并行优化策略集合）；
• 平台支持：10.1 Update 1 起支持 Visual Studio 2019，10.0 起放弃 Visual Studio 2010。

六、CUDA 9.2：GitHub 首版与长期保留的经典示例

CUDA 9.2 是 CUDA Samples 在 GitHub 的首个发布版本，CHANGELOG 列出的首批示例中，相当一部分至今仍保留在仓库中（如matrixMul、simpleCUBLAS、simpleCUFFT、deviceQuery），另一些则演变为后续示例的源头：

• 入门类：vectorAdd_nvrtc（NVRTC 运行时编译）、deviceQuery（设备属性枚举）；
• 矩阵乘：matrixMul（共享内存分块）、matrixMulDrv（Driver API 版本）、cudaTensorCoreGemm（Volta 张量核心 WMMA）；
• 同步原语（CUDA 9.0 引入的_sync版本）：simpleVoteIntrinsics（vote intrinsics）、shfl_scan（shuffle intrinsics）；
• 协作组与求解器：conjugateGradientMultiBlockCG、conjugateGradientMultiDeviceCG（多设备协作组 + 统一内存预取与使用提示 API）；
• 库示例：simpleCUBLAS（GEMM）、simpleCUFFT（FFT）。

从源码看，部分 9.2 时代的示例至今仍在随新 API 演进：例如 segmentationTreeThrust/segmentationTree.cu 中的thrust::copy_if谓词已在 CUDA 13.0 从弃用的thrust::identity<uint>()迁移为cuda::std::identity()：

thrust::copy_if(thrust::make_counting_iterator(0U), thrust::make_counting_iterator(validEdgesCount), dEdgesFlags, dVertices_, cuda::std::identity()) .get();

七、升级指引：从 CHANGELOG 反推迁移清单

7.1 跨版本 API 迁移速查表

7.2 构建与分发注意事项

1. 构建系统：CUDA 12.8 起仅支持 CMake（最低 3.20），Visual Studio 工程与 Makefile 已移除；
2. MSVC 用户：CUDA 13.2 起必须开启-Xcompiler=/Zc:preprocessor，否则 CCCL 相关代码直接构建失败；
3. Windows 依赖：FreeImage 自 CUDA 11.2 起不再随示例分发，需按 README.md 的 Dependencies 章节手动配置；
4. Python 示例：不纳入 CMake 构建，按示例目录内的 requirements.txt 安装依赖后独立运行；
5. Tegra 交叉编译：CUDA 12.9/13.0 持续更新 Tegra Linux/QNX 交叉编译工具链，相关配置见 cmake/toolchains/；
6. 示例获取方式：自 CUDA 11.6 起，CUDA Samples 仅通过 GitHub 仓库分发，不再随 CUDA Toolkit 附带。

八、结语：将 CHANGELOG 用作学习路线图

CHANGELOG.md 的价值不仅在于"发生了什么"，更在于它本身就是一份按版本组织的 CUDA 特性路线图：想学习 Tensor Core WMMA，看 CUDA 9.2/10.1/11.0 的*TensorCoreGemm系列；想理解 CUDA Graphs 的完整演进，串联 CUDA 10.0 的simpleCudaGraphs、11.5 的图内存节点、12.4 的条件图节点与 13.3 的图性能缩放示例；想掌握最新的 Tile 编程模型与 CCCL 算法库，则直接研读 CUDA 13.3 新增的 9_CUDA_Tile 与 4_CUDA_Libraries 示例群。在升级 CUDA Toolkit 前，对照本文的迁移速查表逐一检查受影响的示例与公共头文件，可以显著降低构建与运行时的兼容性风险。

【免费下载链接】cuda-samplesSamples for CUDA Developers which demonstrates features in CUDA Toolkit项目地址: https://gitcode.com/GitHub_Trending/cu/cuda-samples