### 如何在 Jupyter Notebook 中将代码导出为 CUDA 文件 要在 Jupyter Notebook 中实现将特定代码单元保存为 `.cu` 文件的操作，可以利用 Python 的内置功能来写入文件。以下是具体方法： 可以通过执行一个代码单元格中的命令，将目标代码保存到指定路径下的 `mnist_gpu.cu` 文件中。 ```python %%writefile mnist_gpu.cu // 下方是你希望存储的 CUDA 代码内容 #include <cuda_runtime.h> #include <iostream> __global__ void add(int *a, int *b, int *c) { *c = *a + *b; } int main() { int a, b, c; // 初始化变量... int *d_a, *d_b, *d_c; cudaMalloc((void**)&d_a, sizeof(int)); cudaMalloc((void**)&d_b, sizeof(int)); cudaMalloc((void**)&d_c, sizeof(int)); cudaMemcpy(d_a, &a, sizeof(int), cudaMemcpyHostToDevice); cudaMemcpy(d_b, &b, sizeof(int), cudaMemcpyHostToDevice); add<<<1,1>>>(d_a, d_b, d_c); cudaMemcpy(&c, d_c, sizeof(int), cudaMemcpyDeviceToHost); std::cout << "Result: " << c << std::endl; cudaFree(d_a); cudaFree(d_b); cudaFree(d_c); return 0; } ``` 上述代码片段通过魔法函数 `%%writefile` 将当前单元的内容直接写入名为 `mnist_gpu.cu` 的文件中[^1]。此操作会覆盖同名文件（如果存在），因此需注意备份重要数据。 对于更复杂的场景，比如仅提取部分代码并将其保存至外部文件，则可采用如下方式手动编写逻辑： ```python code_to_save = """ #include <cuda_runtime.h> #include <iostream> __global__ void multiply(float* A, float* B, float* C, int N) { int idx = threadIdx.x + blockIdx.x * blockDim.x; if (idx < N) { C[idx] = A[idx] * B[idx]; } } int main(){ const int ARRAY_SIZE = 64; const int ARRAY_BYTES = ARRAY_SIZE * sizeof(float); // 在主机端分配内存并初始化数组A和B float h_A[ARRAY_SIZE], h_B[ARRAY_SIZE], h_C[ARRAY_SIZE]; for(int i=0; i<ARRAY_SIZE; ++i){ h_A[i] = sinf(i)*sinf(i); h_B[i] = cosf(i)*cosf(i); } // 设备端指针声明以及设备端内存分配 float *d_A, *d_B, *d_C; cudaMalloc((void **)&d_A, ARRAY_BYTES); cudaMalloc((void **)&d_B, ARRAY_BYTES); cudaMalloc((void **)&d_C, ARRAY_BYTES); // 数据传输：从主机到设备 cudaMemcpy(d_A, h_A, ARRAY_BYTES, cudaMemcpyHostToDevice); cudaMemcpy(d_B, h_B, ARRAY_BYTES, cudaMemcpyHostToDevice); // 调用核函数multiply() multiply<<<ceil(ARRAY_SIZE/256.), 256>>>(d_A, d_B, d_C, ARRAY_SIZE); // 复制结果回主机 cudaMemcpy(h_C, d_C, ARRAY_BYTES, cudaMemcpyDeviceToHost); // 打印前五个元素验证计算是否正确 for(int i=0;i<5;++i){ printf("%f ",h_C[i]); } // 清理资源 cudaFree(d_A); cudaFree(d_B); cudaFree(d_C); return 0; } """ with open('mnist_gpu.cu', 'w') as file: file.write(code_to_save) ``` 这种方法提供了更大的灵活性，允许动态生成或修改要保存的代码字符串后再存盘[^2]。 #### 注意事项 - 确认工作目录无误，因为相对路径基于 notebook 当前所处位置。 - 如果需要频繁切换不同类型的源码管理任务，考虑封装成独立工具类或者模块化脚本以便重复调用。