首先，学习CUDA编程基础知识。理解CUDA的并行计算模型、内存管理、线程组织等概念是非常重要的，这将为你后续学习其他CUDA库打下良好的基础。
在掌握CUDA基础后，学习Thrust库。Thrust提供了高层次的并行编程接口，使得你可以更方便地编写并行算法。Thrust类似于C++标准模板库（STL），但专门优化用于GPU计算。
学习cuBLAS库，用于加速基本线性代数运算，如矩阵乘法、向量运算等。cuBLAS是很多高性能计算任务的基础。
了解cuSPARSE库，用于稀疏矩阵运算。对于需要处理大规模稀疏矩阵的应用，cuSPARSE是一个非常重要的工具。
学习cuFFT库，用于快速傅里叶变换（FFT）。FFT在信号处理和图像处理等领域有广泛的应用，cuFFT可以极大地加速这些计算。
掌握cuDNN库，用于深度学习的加速。cuDNN包括卷积、池化、激活函数等操作，是深度学习框架（如TensorFlow和PyTorch）高效运行的基础。
学习CUTLASS库，它提供了高效的矩阵乘法和卷积操作的实现。CUTLASS可以帮助你了解深度学习基础运算的原理，并进行自定义优化。
学习TensorRT，用于深度学习模型的优化和部署。TensorRT可以极大地加速推理过程，是实际应用中非常重要的工具。
最后，学习Libtorch（PyTorch的C++库）。Libtorch允许你在C++中使用PyTorch的功能，对于需要高性能和灵活性的应用非常有用。
- CUDA-Programming
- CUDA C++ Best Practices Guide
- CUDA_by_practice
- Bruce Fan 的 CUDA 编程资源：CUDA Programming on GitHub
- NVIDIA CUDA 编程指南中文版（1.1）：NVIDIA CUDA Programming Guide 1.1 (Chinese)
- 北京大学高性能计算中心 CUDA 教程：Peking University HPC CUDA Tutorial (Chinese)
- He Kun 的 CUDA 编程指南中文翻译：CUDA Programming Guide in Chinese on GitHub
- CUDA by Example Source Code
- CUDA C++ Programming Guide
- 安装Clion编辑器
- 安装vpkg插件
- 本地安装vcpkg
- 插件配置本地安装vcpkg