# How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage

- 发布方：NVIDIA Technical Blog；作者：Andrew Hoyle
- 形式：实践教程 · en
- 原始资源：[https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/](<https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/>)
- 本站页面：[https://oplearnx.com/resources/res\_aaqkrvzabn62](<https://oplearnx.com/resources/res_aaqkrvzabn62>)
- 学习主题：人工智能 / AI 系统与效率；人工智能 / AI 系统与效率 / 加速器与算子优化；计算机科学 / 编程与软件工程 / Python
- 内容状态：状态待核验
- 原始发布时间：2026-10-23 00:39
- 本站首次收录：2026-10-27 06:02

## 能学到什么

学会在具备 GDS 的 Linux 系统上用 KvikIO Python API 将文件直接读入 GPU 显存，并确认是否走了加速路径。

- 说明 GPUDirect Storage、cuFile 与 KvikIO 三层的关系及各自的路径选择点
- 在 Linux GPU 主机上创建 Python 环境并安装 kvikio-cu13（含 CuPy 依赖）
- 用 KvikIO defaults API 查看 compat\_mode、gds\_threshold 等运行时设置
- 用 gdscheck.py 检查系统 GDS 组件、支持文件系统与 GPU 拓扑
- 写 Python 程序把文件读入 CuPy 分配的 GPU 缓冲区
- 用 cuFile 统计信息判断操作走的是 nvidia-fs 加速路径还是 POSIX 兼容路径

## 适合我吗

- 适合：适合已在 GPU 服务器上做数据加载瓶颈优化的 AI/数据工程学习者，想了解 GDS 与 KvikIO 的实际用法。
- 需要留意：没有 GDS 支持的存储与 Linux GPU 主机的学习者无法复现；只想要通用 Python 文件 I/O 入门的人也不适合。

## 前置条件与费用

- 知识前置：需要会 Python（含虚拟环境与 pip），了解 GPU 编程基本概念与 Linux 命令行；网页写明还需 GDS 相关平台知识。
- 软件、账号与硬件：一台装有 NVIDIA GPU 与 GPUDirect Storage 的 Linux 系统，GDS 支持的存储与文件系统配置，以及 gdscheck、gds\_stats 等工具的使用权限。
- 内容费用：免费：教程正文、配置步骤与代码在页面上可直接阅读，未见付费墙或登录拦截。
- 实践费用：实践需要付费：网页写明需要带 NVIDIA GPU、GDS 支持的存储和文件系统的 Linux 系统（示例用 H100 与本地 NVMe），此类硬件环境需自备。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- Python 3 虚拟环境与 pip：安装 kvikio-cu13 与 CuPy
- NVIDIA GPU \+ GPUDirect Storage 环境：运行 GDS 加速的数据读取
- gdscheck.py / gds\_stats：检查 GDS 组件配置与统计传输路径

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词（Windows）

```text
请帮我把「How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：需在真实 GDS 硬件上运行，练习时按原文用 CUFILE_STATS_LEVEL=3 配合 gds_stats 查看 nvfs 与 posix 计数，判断读取是否走了加速路径。
课节（官方顺序）：
1. How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage（主页）：https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/

1. 环境
- Linux 系统（x86_64，教程用 CUDA 13.3、cuFile 1.18）
- NVIDIA GPU（教程用 H100），已安装 GPUDirect Storage
- GDS 支持的存储与文件系统（教程用 ext4 本地 NVMe）
- nvidia-fs 内核模块已加载，IOMMU 与 ACS 关闭
- Python 虚拟环境，安装 kvikio-cu13
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/
3. 目录（最外层放在我确认的位置）
nvidia-kvikio-gds-python-tutorial/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-how-to-read-data-into/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - python -m pip show kvikio-cu13 cupy-cuda13x  → 显示两个包的名称与版本，说明安装成功。
  - python -c "import kvikio, kvikio.defaults as d; print(kvikio.__version__, d.get('compat_mode').name, d.get('gds_threshold'))"  → 输出 KvikIO 版本、兼容模式（AUTO/ON/OFF）与 GDS 阈值数值。
  - /usr/local/cuda-13.3/gds/tools/gdscheck.py -p  → 输出列出 GDS 组件、支持的文件系统和检测到的 GPU。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（macOS）

```text
请帮我把「How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：需在真实 GDS 硬件上运行，练习时按原文用 CUFILE_STATS_LEVEL=3 配合 gds_stats 查看 nvfs 与 posix 计数，判断读取是否走了加速路径。
课节（官方顺序）：
1. How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage（主页）：https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/

1. 环境
- Linux 系统（x86_64，教程用 CUDA 13.3、cuFile 1.18）
- NVIDIA GPU（教程用 H100），已安装 GPUDirect Storage
- GDS 支持的存储与文件系统（教程用 ext4 本地 NVMe）
- nvidia-fs 内核模块已加载，IOMMU 与 ACS 关闭
- Python 虚拟环境，安装 kvikio-cu13
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/
3. 目录（最外层放在我确认的位置）
nvidia-kvikio-gds-python-tutorial/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-how-to-read-data-into/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -m pip show kvikio-cu13 cupy-cuda13x  → 显示两个包的名称与版本，说明安装成功。
  - python -c "import kvikio, kvikio.defaults as d; print(kvikio.__version__, d.get('compat_mode').name, d.get('gds_threshold'))"  → 输出 KvikIO 版本、兼容模式（AUTO/ON/OFF）与 GDS 阈值数值。
  - /usr/local/cuda-13.3/gds/tools/gdscheck.py -p  → 输出列出 GDS 组件、支持的文件系统和检测到的 GPU。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（Linux）

```text
请帮我把「How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：需在真实 GDS 硬件上运行，练习时按原文用 CUFILE_STATS_LEVEL=3 配合 gds_stats 查看 nvfs 与 posix 计数，判断读取是否走了加速路径。
课节（官方顺序）：
1. How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage（主页）：https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/

1. 环境
- Linux 系统（x86_64，教程用 CUDA 13.3、cuFile 1.18）
- NVIDIA GPU（教程用 H100），已安装 GPUDirect Storage
- GDS 支持的存储与文件系统（教程用 ext4 本地 NVMe）
- nvidia-fs 内核模块已加载，IOMMU 与 ACS 关闭
- Python 虚拟环境，安装 kvikio-cu13
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/
3. 目录（最外层放在我确认的位置）
nvidia-kvikio-gds-python-tutorial/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-how-to-read-data-into/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -m pip show kvikio-cu13 cupy-cuda13x  → 显示两个包的名称与版本，说明安装成功。
  - python -c "import kvikio, kvikio.defaults as d; print(kvikio.__version__, d.get('compat_mode').name, d.get('gds_threshold'))"  → 输出 KvikIO 版本、兼容模式（AUTO/ON/OFF）与 GDS 阈值数值。
  - /usr/local/cuda-13.3/gds/tools/gdscheck.py -p  → 输出列出 GDS 组件、支持的文件系统和检测到的 GPU。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage」。课程目录是 nvidia-kvikio-gds-python-tutorial/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage（主页）](<https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/>)

## 指南参考

- [课程主页](<https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：带 NVIDIA GPU 的 Linux 主机（示例为 H100），并安装 GPUDirect Storage；GDS 支持的存储与文件系统配置（示例为 ext4 格式的本地 NVMe）；Python 环境与 kvikio-cu13 包（CuPy 作为依赖自动安装）；gdscheck、gds\_stats 等 GDS 工具的访问权限
- 转载与修改 · 课程页面与材料：未找到明确许可。网页未给出本教程内容的许可声明，仅链接了 NVIDIA 的可信 AI 条款页面 [依据](<https://developer.nvidia.com/blog/how-to-read-data-into-gpu-memory-in-python-with-nvidia-gpudirect-storage/>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）