Metraipolis › archive › dc_e910cf0c5193
CUDA — Wikipedia
- Source
- Wikipedia (it)
- Original
- https://it.wikipedia.org/wiki/CUDA
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-15T14:25:46.606Z
- SHA-256 of the archived text
c6846246ca06120077d2db2bc4e011da473acce5da1b3222999463ab7770a57f- Stable URL of this page
https://metraipolis.com/documento/dc_e910cf0c5193
How to cite
CUDA — Wikipedia — Wikipedia (it), https://it.wikipedia.org/wiki/CUDA (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_e910cf0c5193 (Metraipolis archive dc_e910cf0c5193, sha256 c6846246ca06120077d2db2bc4e011da473acce5da1b3222999463ab7770a57f)
BibTeX
@misc{dce910cf0c5193,
title = {CUDA — Wikipedia},
howpublished = {Wikipedia (it)},
url = {https://it.wikipedia.org/wiki/CUDA},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_e910cf0c5193; sha256 c6846246ca06120077d2db2bc4e011da473acce5da1b3222999463ab7770a57f},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (it), https://it.wikipedia.org/wiki/CUDA. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
CUDA (acronimo di Compute Unified Device Architecture) è un'architettura hardware per l'elaborazione parallela creata da NVIDIA. Tramite l'ambiente di sviluppo per CUDA, i programmatori di software possono scrivere applicazioni capaci di eseguire calcolo parallelo sulle GPU delle schede video NVIDIA.I linguaggi di programmazione disponibili nell'ambiente di sviluppo CUDA sono estensioni dei linguaggi più diffusi per scrivere programmi. Il principale è 'CUDA-C' (C con estensioni NVIDIA), altri sono estensioni di Python, Fortran, Java e MATLAB. Programmi che sfruttano l'architettura CUDA possono essere scritti anche utilizzando le librerie software OpenCL e DirectCompute. CUDA dà accesso agli sviluppatori ad un set di istruzioni native per il calcolo parallelo di elementi delle GPU CUDA. Usando CUDA, le ultime GPU Nvidia diventano in effetti architetture aperte come le CPU. Diversamente dalle CPU, le GPU hanno un'architettura parallela con diversi core, ognuno capace di eseguire centinaia di processi simultaneamente: se un'applicazione è adatta per questo tipo di architettura, la GPU può offrire grandi prestazioni e benefici. Questo approccio alla risoluzione dei problemi è noto come GPGPU. Tema degli esploratori: calcolo e infrastrutture (deposito sistematico; ricerca «calcolo distribuito»). Fonte: Wikipedia in italiano, voce «CUDA» — https://it.wikipedia.org/wiki/CUDA Wikidata Q477690 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q477690 Autori: i contributori di Wikipedia (cronologia: https://it.wikipedia.org/wiki/CUDA?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 150374192, consultata il 2026-10-15T13:55:30.272Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: d0e9767c564687c35a86dd2e31fba3db1cedbe193cb0e3a3e80f963aaa87e95c