CUDA（Compute Unified Device Architecture）是由NVIDIA公司推出的一个并行计算平台及编程模型，它允许开发者使用NVIDIA的GPU进行通用目的的并行计算。CUDA C编程指南是一份详细的文档，它介绍了CUDA编程模型、编程接口以及如何在NVIDIA的GPU上进行高效的并行计算。以下是从文档中提取的知识点：
1. 计算能力更新：CUDA编程指南在不同版本更新中，会根据新增的GPU架构进行相应的更新。例如，版本9.0中就加入了对计算能力7.0的支持，包括新增Tensor Core支持，以及更新了独立线程调度的讨论。
2. 独立线程调度（Independent Thread Scheduling）：新版指南中讨论了独立线程调度的变化，并针对依赖于以前硬件中关于线程束同步执行的假设代码提供了移植建议。
3. Tensor Core的文档支持：为加速半精度矩阵乘法，CUDA引入了对Tensor Core的_preview C++ API_文档，这是针对Volta架构及其后续架构中新增硬件功能的使用指导。
4. 弃用支持：随着技术进步，某些过时的技术会被弃用。例如，CUDA 9.0版本中不再包含特定于2.x计算能力（Fermi架构）的文档。
5. 线程束投票、线程束洗牌及线程束匹配函数的同步：CUDA 9.0版本中新增了这些函数的文档，以帮助开发者更好地理解和使用。
6. 合作组（Cooperative Groups）：这是CUDA 9.0版本中新增的一个附录，描述了灵活的线程同步原语。
7. 统一内存系统要求更新：新版本明确了操作系统的支持情况。
8. CUDA编程模型：包括内核（Kernels）、线程层级（Thread Hierarchy）、内存层级（Memory Hierarchy）和异构编程（Heterogeneous Programming）等核心概念。
9. CUDA编程接口：包括使用NVCC编译器的工作流程、二进制兼容性、PTX兼容性、应用程序兼容性、C/C++兼容性、64位兼容性等。
10. CUDA C运行时：涵盖了初始化、设备内存管理、共享内存、页面锁定主机内存、异步并发执行等方面的知识。
在CUDA C编程指南中，开发者可以找到GPU架构的详细介绍，理解如何在NVIDIA的GPU上编写并行程序。文档中的每一个章节都对CUDA平台的使用提供了深入的说明，从编程模型的基础到性能优化的最佳实践都有涵盖。
此外，指南强调了CUDA编程模型是一个可扩展的编程模型。这一点意味着开发者可以根据不同的计算需求和硬件资源，设计和实现并行算法。从图形处理到通用并行计算的转变是NVIDIA提出的一个重要的技术理念，CUDA C的出现极大地推动了高性能计算的发展，特别是在需要大量数据并行处理的领域，如科学计算、机器学习等。
文档的结构是根据内容的重要性和普遍性来安排的，从基础概念到高级特性，逐步深入，使读者能够按照逻辑顺序学习CUDA C的使用和优化方法。
