工具的发展驱动着人类文明不断进步，而这种变革始终以方便使用为根本导向。从原始社会到农耕社会，从蒸汽机到互联网，与每一次社会巨变伴随而来的无一不是生产力的极大解放。在高性能计算、人工智能等计算科技蓬勃发展的今天，如何提升算力和如何提高效率，是备受开发者关注的两大话题。
与传统的计算方式相比，并行计算自然是更好地提升算力的解决方案。从本世纪初期起，人们就开始关注如何利用 GPU 的强大算力进行数据运算。经过多年的不断探索，GPU 不再仅用于图形计算，在通用计算领域，GPU 也发挥了其强大作用。CUDA 就是这样一个用于 GPU 计算的开发环境，他能够让开发者直接通过硬件访问接口，轻松地使用 GPU 来解决商业、工业以及科学方面的复杂计算问题。
但是在近些年，随着数据量激增，对高性能计算、人工智能等领域中大规模的数据计算的需求也随之攀升，开发者越来越关注开发效率问题。开发者在以往的 CUDA 开发中，通常采用移植性和可扩展性很强的 C 语言，但 C 语言的强大功能同时也意味着较高的使用门槛，在便捷性和易用性上都不够友好。同时对新手开发者而言，没有经过系统的学习和大量的实践，想要使用 C 语言进行 CUDA 开发几乎是不可能的，加入并行计算世界的机会可能就会因此错失。
和 C 语言相比，Python 语言的易用性就不言而喻了。相较于 C 语言的语法规则而言，Python 的语法可以说简单方便多了，而且其丰富的数据类型和清晰的代码结构，助力开发者快速高效开发。用 Python 进行 CUDA 开发，一方面简化了开发方法，让开发者能够更加高效地实现开发，另一方面降低了并行计算的门槛，让新手也能轻松实现 CUDA 开发，解决了开发需求突增与开发能力不足不匹配的问题。
用更轻松的方式，实现更高效的开发，这样的 CUDA Python 你心动了吗？
CUDA Python 编程实战在线培训课程来了！
NVIDIA 联合 InfoQ，将为广大有高性能计算和人工智能开发需求的开发者提供一系列的 CUDA Python 编程实战在线培训课程，从理论到实践，带你从零开始全面学习 CUDA Python，打破门槛，轻松编程。
7 月 7 日晚 20:00， NVIDIA 开发者社区高级讲师何琨，将为大家带来 CUDA Python 系列公开课第三期 --「多流和 cuBLAS」的相关内容。
通过这次在线培训，你将收获以下内容：
cuBLAS 在 CUDA Python 中的使用
多流在 CUDA PYTHON 中的使用
利用 CUDA PYTHON 处理视频
还在等待什么，扫描下方二维码或点击阅读原文，获取直播链接！
扫 码 报 名
在看，让更多人看到
