默认情况下，使用malloc分配的主机内存是可分页的，操作系统可能将其换出到磁盘，导致数据在物理内存中不连续。在进行 H2D 或 D2H 拷贝时，CUDA 驱动需要先将可分页内存复制到一个临时的页锁定缓冲区，然后再通过 DMA 传输到设备，增加了额外开销。**页锁定内存（Pinned Memory，也称 Page‑Locked Memory）**是使用或分配的主机内存，它不会被操作系统换出，物理地

Tensor Core 是 NVIDIA 从 Volta 架构开始引入的专用硬件单元，专门加速矩阵乘加运算，能在单个时钟周期内完成多个浮点乘加操作，大幅提升深度学习训练和推理的性能。在相同矩阵大小（如 512×512×512）下，对比 FP32 GEMM 和 Tensor Core（FP16）GEMM 的性能，使用 cudaEvent 计时。在练习 2 的基础上，加入共享内存分块和 K 维循环，提

回顾全文要点，展望 AI 辅助运维脚本编写的未来趋势，并给出进一步学习建议。