别再到处搜 CUDA 教程了：这份书单把入门、进阶、优化和新书一次给你整明白！学 CUDA 最痛苦的往往不是写核函数，而是资料太碎、太老、太杂。

一会儿是 2010 年的博客，一会儿是看不懂的 PTX 手册，真正能系统跟着学的书反而难找。

Awesome CUDA Books 干了一件事：

把主流 CUDA 编程书籍按难度、语言和场景，整理成一份可持续维护的精选清单，从“刚装好驱动”到“手写 Flash Attention”，全覆盖。

覆盖全阶段：从 Hello World 到性能极限

入门首选（新手直接冲）

- 《CUDA by Example》（Sanders & Kandrot）经典中的经典，短、例子多、不废话，最适合作为第一本 CUDA 书。
- 《Hands-On CUDA Programming》（Han & Sharma）偏现代，基于 CUDA 10+，配套 GitHub 仓库，跟着敲就行。

工程实战（真干活的人看）

- 《CUDA for Engineers》（Yurtoglu & Storti）面向工程师和科研人员，项目驱动，不讲虚的。
- 《Professional CUDA C Programming》（Cheng et al.）生产级：多 GPU、Streams、库使用、性能坑位全讲透。
- 《CUDA Handbook》（Wilt）想抠底层细节、API 行为、隐式规则，就看这本。

架构与优化（进阶必读）

- 《CUDA Programming》（Cook）并行算法模式、优化套路、最佳实践，偏系统。
- 《Programming Massively Parallel Processors》（Kirk & Hwu）架构思想 + 编程模型，理解 GPU 为什么这么跑。

Python 生态（AI / 科学计算方向）

- 《CUDA Programming with C++ and CUDA》（Tuomanen）偏 Python 用户：Numba、CuPy、底层绑定。
- 《GPU Programming with C++ and CUDA》（Motta）C++20 + Python 互操作（pybind11），打通训练和推理。

深度学习专用（2025 新书）

- 《CUDA for Deep Learning》（Arledge, Manning）从第一个 kernel 到 Flash Attention，配合 Nsight Compute 做性能分析，非常适合做 AI 系统的人。

为什么值得收藏？

- 新：专门收录 2024–2026 年 的新书和重点版本。
- 全：C++ / Python 两条主线，架构、优化、库、多 GPU 全覆盖。
- 精：不是随便堆书名，而是按学习路径和用途筛选过的。
- 活：GitHub 仓库形式，持续更新，踩坑了还能翻 Issue。

一句话总结：

如果你想系统啃 CUDA，又不想在搜索引擎里浪费几个月，Awesome CUDA Books 是目前最省心、最靠谱的“路线图”。

📎 GitHub：github点com/alternbits/awesome‑cuda‑books