幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

CUDA並行程序設計(GPU編程指南)/高性能計算系列叢書

  • 作者：(美)庫克|譯者:蘇統華//李東//李松澤//魏通
  • 出版社：機械工業
  • ISBN：9787111448617
  • 出版日期：2014/01/01
  • 裝幀：平裝
  • 頁數：522
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《CUDA並行程序設計(GPU編程指南)》是CUDA並行程序設計領域最全面、最詳實和最具權威性的著作之一，由CUDA開發者社區技術總監庫克親自撰寫，英偉達中國首批CUDA官方認證工程師翻譯，詳實地講解了CUDA並行程序設計的技術知識點（平台、架構、硬體知識、開發工具和熱點技術）和編程方法，包含大量實用代碼示例，實踐性非常強。
    《CUDA並行程序設計(GPU編程指南)》共分為12章。第1章從宏觀上介紹流處理器演變歷史。第2章詳解GPU並行機制，深入理解串列與並行程序，以辯證地求解問題。第3章講解CUDA設備及相關的硬體和體系結構，以實現最優CUDA程序性能。第4章介紹CUDA開發環境搭建和可用調試環境。第5章介紹與CUDA編程緊密相關的核心概念——網格、線程塊與線程，並通過示例說明線程模型與性能的關係。第6章借助實例詳細講解了不同類型內存的工作機制，並指出實踐中容易出現的誤區。第7章細述多任務的CPU和GPU協同，並介紹多個CPU/GPU編程秘技。第8章介紹如何在應用程序中編寫和使用多GPU。第9章詳述CUDA編程性能限制因素、分析CUDA代碼的工具和技術。第10章介紹編程實踐中的庫與軟體開發工具包。第11章講解如何設計基於GPU的系統。第12章總結CUDA應用中易犯錯誤以及應對建議。
作者介紹
(美)庫克|譯者:蘇統華//李東//李松澤//魏通
目錄
致中國讀者
譯者序
前言
第1章  超級計算簡史
1.1  簡介
1.2  馮·諾依曼電腦架構
1.3  克雷
1.4  連接機
1.5  Cell處理器
1.6  多點計算
1.7  早期的GPGPU編程
1.8  單核解決方案的消亡
1.9  英偉達和CUDA
1.10  GPU硬體
1.11  CUDA的替代選擇
1.11.1  OpenCL
1.11.2  DirectCompute
1.11.3  CPU的替代選擇
1.11.4  編譯指令和庫
1.12  本章小結
第2章  使用GPU理解並行計算
2.1  簡介
2.2  傳統的串列代碼
2.3  串列/並行問題
2.4  併發性
2.5  並行處理的類型
2.5.1  基於任務的並行處理
2.5.2  基於數據的並行處理
2.6  弗林分類法
2.7  常用的並行模式
2.7.1  基於循環的模式
2.7.2  派生/彙集模式
2.7.3  分條/分塊
2.7.4  分而治之
2.8  本章小結
第3章  CUDA硬體概述
3.1  PC架構
3.2  GPU硬體結構
3.3  CPU與GPU
3.4  GPU計算能力
3.4.1  計算能力1.0
3.4.2  計算能力1.1
3.4.3  計算能力1.2
3.4.4  計算能力1.3
3.4.5  計算能力2.0
3.4.6  計算能力2.1
第4章  CUDA環境搭建
4.1  簡介
4.2  在Windows下安裝軟體開發工具包
4.3  VisualStudio

4.3.1  工程
4.3.2  64位用戶
4.3.3  創建工程
4.4  Linux
4.5  Mac
4.6  安裝調試器
4.7  編譯模型
4.8  錯誤處理
4.9  本章小結
第5章  線程網格、線程塊以及線程
5.1  簡介
5.2  線程
5.2.1  問題分解
5.2.2  CPU與GPU的不同
5.2.3  任務執行模式
5.2.4  GPU線程
5.2.5  硬體初窺
5.2.6  CUDA內核
5.3  線程塊
5.4  線程網格
5.4.1  跨幅與偏移
5.4.2  X與Y方向的線程索引
5.5  線程束
5.5.1  分支
5.5.2  GPU的利用率
5.6  線程塊的調度
5.7  一個實例——統計直方圖
5.8  本章小結
第6章  CUDA內存處理
6.1  簡介
6.2  高速緩存
6.3  寄存器的用法
6.4  共享內存
6.4.1  使用共享內存排序
6.4.2  基數排序
6.4.3  合併列表
6.4.4  並行合併
6.4.5  並行歸約
6.4.6  混合演算法
6.4.7  不同GPU上的共享內存
6.4.8  共享內存小結
6.5  常量內存
6.5.1  常量內存高速緩存
6.5.2  常量內存廣播機制
6.5.3  運行時進行常量內存更新
6.6  全局內存
6.6.1  記分牌
6.6.2  全局內存排序
6.6.3  樣本排序
6.7  紋理內存

6.7.1  紋理緩存
6.7.2  基於硬體的內存獲取操作
6.7.3  使用紋理的限制
6.8  本章小結
第7章  CUDA實踐之道
7.1  簡介
7.2  串列編碼與並行編碼
7.2.1  CPU與GPU的設計目標
7.2.2  CPU與GPU上的最佳演算法對比
7.3  數據集處理
7.4  性能分析
7.5  一個使用AES的示例
7.5.1  演算法
7.5.2  AES的串列實現
7.5.3  初始內核函數
7.5.4  內核函數性能
7.5.5  傳輸性能
7.5.6  單個執行流版本
7.5.7  如何與CPU比較
7.5.8  考慮在其他GPU上運行
7.5.9  使用多個流
7.5.10  AES總結
7.6  本章小結
第8章  多CPU和多GPU解決方案
8.1  簡介
8.2  局部性
8.3  多CPU系統
8.4  多GPU系統
8.5  多GPU演算法
8.6  按需選用GPU
8.7  單節點系統
8.8  流
8.9  多節點系統
8.10  本章小結
第9章  應用程序性能優化
9.1  策略1：並行/串列在GPU/CPU上的問題分解
9.1.1  分析問題
9.1.2  時間
9.1.3  問題分解
9.1.4  依賴性
9.1.5  數據集大小
9.1.6  解析度
9.1.7  識別瓶頸
9.1.8  CPU和GPU的任務分組
9.1.9  本節小結
9.2  策略2：內存因素
9.2.1  內存帶寬
9.2.2  限制的來源
9.2.3  內存組織
9.2.4  內存訪問以計算比率

9.2.5  循環融合和內核融合
9.2.6  共享內存和高速緩存的使用
9.2.7  本節小結
9.3  策略3：傳輸
9.3.1  鎖頁內存
9.3.2  零複製內存
9.3.3  帶寬限制
9.3.4  GPU計時
9.3.5  重疊GPU傳輸
9.3.6  本節小結
9.4  策略4：線程使用、計算和分支
9.4.1  線程內存模式
9.4.2  非活動線程
9.4.3  算術運算密度
9.4.4  一些常見的編譯器優化
9.4.5  分支
9.4.6  理解底層彙編代碼
9.4.7  寄存器的使用
9.4.8  本節小結
9.5  策略5：演算法
9.5.1  排序
9.5.2  歸約
9.5.3  本節小結
9.6  策略6：資源競爭
9.6.1  識別瓶頸
9.6.2  解析瓶頸
9.6.3  本節小結
9.7  策略7：自調優應用程序
9.7.1  識別硬體
9.7.2  設備的利用
9.7.3  性能採樣
9.7.4  本節小結
9.8  本章小結
第10章  函數庫和SDK
10.1  簡介
10.2  函數庫
10.2.1  函數庫通用規範
10.2.2  NPP
10.2.3  Thrust
10.2.4  CuRAND
10.2.5  CuBLAS庫
10.3  CUDA運算SDK
10.3.1  設備查詢
10.3.2  帶寬測試
10.3.3  SimpleP2P
10.3.4  asyncAPI和cudaOpenMP
10.3.5  對齊類型
10.4  基於指令的編程
10.5  編寫自己的內核
10.6  本章小結

第11章  規劃GPU硬體系統
11.1  簡介
11.2  CPU處理器
11.3  GPU設備
11.3.1  大容量內存的支持
11.3.2  ECC內存的支持
11.3.3  Tesla計算集群驅動程序
11.3.4  更高雙精度數學運算
11.3.5  大內存匯流排帶寬
11.3.6  系統管理中斷
11.3.7  狀態指示燈
11.4  PCI-E匯流排
11.5  GeForce板卡
11.6  CPU內存
11.7  風冷
11.8  液冷
11.9  機箱與主板
11.10  大容量存儲
11.10.1  主板上的輸入/輸出介面
11.10.2  專用RAID控制器
11.10.3  HDSL
11.10.4  大容量存儲需求
11.10.5  聯網
11.11  電源選擇
11.12  操作系統
11.12.1  Windows
11.12.2  Linux
11.1  3  本章小結
第12章  常見問題、原因及解決方案
12.1  簡介
12.2  CUDA指令錯誤
12.2.1  CUDA錯誤處理
12.2.2  內核啟動和邊界檢查
12.2.3  無效的設備操作
12.2.4  volatile限定符
12.2.5  計算能力依賴函數
12.2.6  設備函數、全局函數和主機函數
12.2.7  內核中的流
12.3  並行編程問題
12.3.1  競爭冒險
12.3.2  同步
12.3.3  原子操作
12.4  演算法問題
12.4.1  對比測試
12.4.2  內存泄漏
12.4.3  耗時的內核程序
12.5  查找並避免錯誤
12.5.1  你的GPU程序有多少錯誤
12.5.2  分而治之
12.5.3  斷言和防禦型編程

12.5.4  調試級別和列印
12.5.5  版本控制
12.6  為未來的GPU進行開發
12.6.1  開普勒架構
12.6.2  思考
12.7  後續學習資源
12.7.1  介紹
12.7.2  在線課程
12.7.3  教學課程
12.7.4  書籍
12.7.5  英偉達CUDA資格認證
12.8  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032