Dangdang.com Cuda Parallel Design: Руководство по программированию GPU (Cuda Community Technology Computer Network Другая компьютерная сеть сети
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Технический директор сообщества разработчиков CUDA лично написало, что первая партия официальных инженеров CUDA официальных сертификатов CUDA переводится в Китае, переводя Shuangxin
Полное и подробное объяснение технических знаний и методов программирования параллельного дизайна CUDA, включая большое количество практических примеров кодекса.
Китайский читатель
Переводчик
Предисловие
Глава 1 Супер расчеты Краткая история
1.1 Введение
1.2 Фон Нокаман компьютерная архитектура
1,3 грамма
1.4 Подключаемое машина
1,5 клеточный процессор
1.6 Multi -точечный расчет
1.7 Раннее программирование GPGPU
1.8 Условие единого решения
1.9 NVIDIA и CUDA
1.10 Аппаратное обеспечение GPU
1.11 вариант замены CUDA
1.11.1 OpenCl
1.11.2 DirectCompute
1.11.3 Альтернативный вариант процессора
1.11.4 Инструкции по сборке и библиотеки
1.12 Резюме этой главы
Глава 2 Используйте графический процессор для понимания параллельного расчета
2.1 Введение
2.2 Традиционный серийный код
2.3 Серийная/параллельная проблема
2.4 Параллелизм
2.5 Тип параллельного лечения
2.5.1. Параллельная обработка на основе миссии на основе миссии
2.5.2 Параллельная обработка на основе данных
2.6 Метод классификации Флинна
2.7 Общий параллельный режим
2.7.1 Кружный режим
2.7.2 Режим подразделения/сбора
2.7,3 баллов/точечный блок
2,7,4 балла за правление
2.8 Резюме этой главы
Глава 3 Обзор оборудования CUDA
3.1 ПК архитектура
3.2 Структура аппаратного обеспечения графического процессора
3.3 CPU и GPU
3.4 Вычислительная мощность GPU
3.4.1 Вычислительная мощность 1.0
3.4.2 Вычислительная мощность 1.1
3.4.3 Вычислительная мощность 1.2
3.4.4 Вычислительная мощность 1.3
3.4.5 Вычислительная мощность 2.0
3.4.6 Вычислительная мощность 2.1
Глава 4 Строительство окружающей среды CUDA
4.1 Введение
4.2 Установите пакет инструментов разработки программного обеспечения в Windows
4.3 Visual Studio
4.3.1 Проект
4.3.2 64 -битные пользователи
4.3.3 Создать проект
4.4 Linux
4.5 Mac
4.6 Установка отладчика
4.7 Модель компиляции
4.8 Обработка ошибок
4.9 Резюме этой главы
Глава 5 Сетка потока, блок резьбы и поток
5.1 Введение
5.2 потока
5.2.1 Проблема разложение
5.2.2 Разница между процессором и графическим процессором
5.2.3 Режим выполнения задачи
5.2.4 потока графического процессора
5.2.5.
5.2.6 CUDA ядра
5.3 Блок резьбы
5.4 Резумия сетка
5.4.1 Крест -Амплитуда и смещение
5.4.2 Индексами потока в направлении x и y
5.5
5.5.1 Ветвь
5.5.2 Уровень использования графического процессора
5.6 Сортировка блоков резьбы
5.7 Пример—— статистическая гистограмма
5.8 Резюме этой главы
Глава 6 Обработка памяти CUDA
6.1 Введение
6.2 Кэш высокого скорости
6.3 Использование регистра
6.4 Обмен памятью
6.4.1 Используйте общую сортировку памяти
6.4.2 базовая сортировка
6.4.3 таблица слияния
6.4.4 Параллельное слияние
6.4.5 Параллельное возвращение к контракту
6.4.6 Гибридный алгоритм
6.4.7 Поделитесь памятью на разных графических процессорах
6.4.8.
6.5 Постоянная память
6.5.1 Постоянный кэш с высоким уровнем памяти
6.5.2. Постоянный механизм вещания памяти
6.5.3 Запустите постоянное обновление памяти
6.6 Глобальная память
6.6.1
6.6.2 Глобальная сортировка памяти
6.6.3 Образцы сортировки
6.7 Текстурная память
6.7.1 Кэш текстуры
6.7.2 Операция по сбору памяти на основе оборудования
6.7.3 Используйте ограничения текстуры
6.8 Резюме этой главы
Глава 7 Практика CUDA
7.1 Введение
7.2 Серийное кодирование и параллельное кодирование
7.2.1 Цели проектирования процессора и графического процессора
7.2.2 Сравнение*хорошего алгоритма на процессоре и графическом процессоре
7.3 Обработка набора данных
7.4 Анализ производительности
7.5 Пример использования AES
7.5.1 Алгоритм
7.5.2 Серийная реализация AES
7.5.3 Начальная функция ядра
7.5.4 Производительность функции ядра
7.5.5 Производительность передачи
7.5.6. Версия потока единого выполнения
7.5.7 Как сравнить с процессором
7.5.8. Подумайте о запуске на других графических процессорах
7.5.9 Используйте несколько потоков
7.5.10 Резюме AES
7.6 Сводка этой главы
Глава 8 Multi -cpu и Multi -GPU Solution
8.1 Введение
8.2 Местность
8.3 Система мульти -CPU
8.4 Multi -GPU System
8.5 Алгоритм мульти -GPU
8.6 Выберите GPU по требованию
8.7 Система одиночных узлов
8.8
8.9 Multi -Node System
8.10 Эта глава является краткой
Глава 9 Оптимизация производительности приложения
9.1 Стратегия 1: Параллельная/серийная проблема разложения на графическом процессоре/процессоре
9.1.1 Анализ проблемы
9.1.2 Время
9.1.3 Проблема разложение
9.1.4 Зависимость
9.1.5 Размер набора данных
9.1.6 Резолюция
9.1.7 идентификация узкого места
9.1.8 Группировка задач ЦП и графического процессора
9.1.9 Резюме этого раздела
9.2 Стратегия 2: Факторы памяти
9.2.1 пропускная способность памяти
9.2.2 Источник ограничений
9.2.3 Организация памяти
9.2.4 Доступ к памяти для расчета соотношения
9.2.5 Круговое слияние и слияние ядра
9.2.6 Использование обмена памятью и кеш
9.2.7 Сводка этого раздела
9.3 Стратегия 3: передача
9.3.1 блокировка памяти
9.3.2 память нулевой репликации
9.3.3 Предел полосы пропускания
9.3.4 Графическое время
9.3.5 перекрывать передачу графических процессоров
9.3.6 Сводка этого раздела
9.4 Стратегия 4: Использование потока, расчет и филиал
9.4.1 Режим памяти потока
9.4.2 неактивная нить
9.4.3 Плотность арифметических вычислений
9.4.4 Некоторые общие компиляторы оптимизация
9.4.5 Филиал
9.4.6 Понять базовый код сборки
9.4.7 Использование регистра
9.4.8 Резюме этого раздела
9.5 Стратегия 5: Алгоритм
9.5.1 Сортировка
9.5.2 Вернуться к контракту
9.5.3 Сводка этого раздела
9.6 Стратегия 6: Конкуренция ресурсов
9.6.1 Идентификация узкого места
9.6.2 Анализ узкого места
9.6.3 Резюме в этом разделе
9.7 Стратегия 7: Самостоятельно настроение превосходного применения
9.7.1 Идентификация аппаратного обеспечения
9.7.2 Использование оборудования
9.7.3 Отбор проб
9.7.4 Сводка этого раздела
9.8 Резюме этой главы
Глава 10 Библиотека функций и SDK
10.1 Введение
10.2 Библиотека функций
10.2.1 Общая спецификация библиотеки функций
10.2.2
10.2.3 тяга
10.2.4 Кюнда
10.2.5 Библиотека Cublas
10.3 CUDA Operation SDK
10.3.1 Запрос оборудования
10.3.2 Тест полосы пропускания
10.3.3 Simplep2p
10.3.4 Asyncapi и Cudaopenmp
10.3.5 Тип выравнивания
10.4 Программирование на основе инструкции
10.5 Напишите свое собственное ядро
10.6 Резюме этой главы
Глава 11 Планирование аппаратной системы графических процессоров
11.1 Введение
11.2 Процессор процессора
11.3 Оборудование графического процессора
11.3.1 Поддержка памяти большой способности
11.3.2 Поддержка памяти ECC
11.3.3 Драйвер кластера расчетов Tesla
11.3.4 Высшая двойная математическая операция
11.3.5 большая ширина шины памяти
11.3.6 Управление системой прерывание
11.3.7 Индикатор состояния
11.4 PCI-E Bus
11,5 карта доски GeForce
11.6 Память процессора
11,7 Ветлю и холод
11,8 Жидкая холода
11.9 Кейс и материнская плата
11.10
11.10.1 Входной/выходной интерфейс на материнской плате
11.10.2 Специальный контроллер RAID
11.10.3 HDSL
11.10.4.
11.10.5 Сеть
11.11 Выбор питания
11.12 Операционная система
11.12.1 Windows
11.12.2 Linux
11.13 Резюме этой главы
Глава 12 Часто задаваемые вопросы, причины и решения
12.1 Введение
12.2 Ошибка инструкции CUDA
12.2.1 Обработка ошибок CUDA
12.2.2 Запуск ядра и обследование границ
12.2.3 Эффективная работа устройства
12.2.4. Излегающий ограниченный характер
12.2.5. Вычислительные зависимости питания
12.2.6 Функции оборудования, глобальные функции и функции хоста
12.2.7 Поток в ядре
12.3 Проблема параллельного программирования
12.3.1 Соревновательное приключение
12.3.2 Синхронный
12.3.3 Атомная операция
12.4 Проблема алгоритма
12.4.1 Сравнительный тест
12.4.2 Утечка памяти
12.4.3 -Заключающая программа ядра
12.5 Найти и избежать ошибок
12.5.1 Сколько ошибок имеет вашу программу GPU?
12.5.2 баллов
12.5.3 Eclabo и защитное программирование
12.5.4 Уровень дискуссии и печать
12.5.5 Управление версией
12.6 Разработка для будущего графического процессора
12.6.1 Архитектура Кэрнса
12.6.2 Мышление
12.7 Последующие учебные ресурсы
12.7.1 Введение
12.7.2 онлайн курс
12.7.3 Курс преподавания
12.7.4 Книги
12.7.5 Квалификационная сертификация NVIDIA CUDA
12.8 Резюме этой главы
Глава 1Супер компьютерная краткая история
1.1? Введение
Почему мы говорим о суперкомпьютерах в книге о CUDA?Суперкомпаты обычно находятся на переднем крае технологического развития.Технология, которую мы видим здесь, будет очень распространенной технологией на настольных компьютерах в ближайшие 5-10 лет.В 2010 году, на ежегодной международной супер компьютерной конференции, состоявшейся в Гамбурге, Германия, было объявлено, что, согласно Top 500 List (), машины на основе графических процессоров NVIDA заняли второе место в мощном списке компьютера в мире.Теоретически, его пиковая производительность выше, чем у IBM Roadrunner и*имени Cray Jaguar в то время.Выступление Cray Jaguar в то время было почти 3 триллиона раз.В 2011 году GPU Nvidia с использованием технологии CUDA по -прежнему является суперкомпьютером мира.В настоящее время все вдруг поняли, что с скромным настольным ПК графический процессор достиг высокой позиции в области высоких вычислений.
Super Computing - это импульс разработки многих технологий, которые мы видим в современных процессорах.Благодаря использованию более быстрых процессоров для обработки спроса на более крупные наборы данных, отрасль продолжает производить более быстрые компьютеры.Именно в этих разработках и изменениях сегодня достигла технология GPU CUDA.
Супер компьютер и настольные вычисления разрабатываются в направлении гетерогенных вычислений——Два международных проекта, использующих графические процессоры, - это Boinc и Folding @ Home.Эти два проекта позволяют обычным людям вносить истинный вклад в конкретные научные проекты.В проекте вклад хоста ЦП/графического процессора с использованием ускорителя графического процессора намного превышает вклад только хоста ЦП.По состоянию на ноябрь 2011 года около 5,5 миллионов хозяев предоставили около 53 триллионов юаней в области компьютерных показателей, который является почти миром в мире в 2011 году.“&Rdquo;) половина вычислительной производительности.
В качестве обновления продукта американского*быстрого суперкомпьютера Jaguar, суперкомпьютер под названием Titan планируется быть запущенным в 2013 году.Он будет использовать почти 300 000 ядер ЦП и до 18 до 000 карт платы графического процессора, чтобы достичь 10-20 триллиона раз в секунду.Именно из -за сильной поддержки со всего мира, такого как Титан, программирование GPU стало основным потоком в области HPC (высокая производительность) или в поле настольного компьютера.
Теперь ты можешь сами“ o&Rdquo;В начале 21 -го века это сделает вас среди 500 лучших, чтобы победить IBM Asci Red с 9632 процессорами Pentium.Это не только частично показывает огромный прогресс в компьютерных технологиях за последние десять лет, но и предлагает нам в течение следующих десяти лет, на какой уровень компьютерных технологий будет развиваться.Вы можете полностью поверить, что в будущем графический процессор будет в авангарде разработки технологий.Следовательно, освоение программирования GPU будет важным навыком для любого выдающегося разработчика.
Эта книга является одной из в области дизайна Parallel Design Cuda*Комплексное,*подробные и*авторитетные работы. Знания, инструменты разработки и технологии горячей точки) и методы программирования включают большое количество практических примеров кода, которые очень практичны.Книга разделена на 12 глав.Глава 1 История эволюции потоковых процессоров представлена на макросе.Глава 2 Подробное объяснение параллельного механизма графического процессора, в глубине понимания последовательных и параллельных процедур для диалектического решения проблем.Глава 3 объясняет устройства CUDA и соответствующие аппаратные и архитектуры для достижения производительности*отличной программы CUDA.Глава 4 Представьте среду разработки CUDA для создания и доступной среды отладки.Глава 5 Введение в основную концепцию, которая тесно связана с программированием CUDA——Глава 6 объясняет рабочий механизм различных типов памяти с одним и тем же примером и указывает на недопонимание, которое склонно происходить на практике.Глава 7 CPU и сотрудничество с графическим процессором с мульти -точками и вводят несколько секретов программирования процессора/графического процессора.Глава 8 представляет, как писать и использовать несколько графических процессоров в приложении.Глава 9 Подробные факторы производительности программирования CUDA и анализируются инструменты и методы кода CUDA.Глава 10 Представьте пакет инструментов разработки библиотеки и программного обеспечения в практике программирования.Глава 11 объясняет, как разработать систему на основе графических процессоров.Глава 12 суммирует ошибки в приложениях CUDA и отвечает на предложения.
......Технический директор Commen Community Developer Shane Cuda Cuda имеет более 20 лет опыта работы в отрасли.Признавая революционное воздействие гетерогенной системы и CUDA для произвольной и параллельной технологии программирования, сообщество разработчиков CUDA (Европейская консалтинговая компания, которая в частности помогает предприятию восстановить код, чтобы в полной мере использовать силу оборудования графических процессоров).Он фокусируется на разработке программного обеспечения с высокой производительности, использовании графических процессоров, встроенных системах и участии в построении многочисленных стандартов языковых программ C, в том числе Misra Safer C, который широко используется в индустрии автомобильного программного обеспечения.Он часто предоставляет профессиональные консалтинговые услуги и разработку программного обеспечения для немецкой автомобильной промышленности, индустрии контрактов национальной обороны, Nortel Network и Ford Motor Corporation или компаний Blue Chip.Введение в переводчик
Доктор Су Тонгуа, первая партия официальных сертифицированных инженеров CUDA в NVIDDA, в основном исследовательских областей, включая крупные параллельные вычисления, распознавание модели, интеллектуальную обработку информации, интеллектуальное взаимодействие и расчет средств массовой информации.В 2013 году в нем разработал алгоритм идентификации CUDA в анализе документов и выявлении Международной конференции (ICDAR’Кроме того, он установил веху в области рукописных китайских иерогенеОн является автором английского шедевра «Признание китайского почерка: алгоритмическая перспектива» (Schiprinsic Publishing, Германия) и связанные с CUDA переводы (Press Machinery Industry Press).В настоящее время он является старшим преподавателем и мастером Школы программного обеспечения, Технологического университета Харбина.