دانلود کتاب GPU Parallel Program Development Using CUDA (به فارسی: توسعه برنامه موازی GPU با استفاده از CUDA) نوشته شده توسط «Tolga Soyata»
اطلاعات کتاب توسعه برنامه موازی GPU با استفاده از CUDA
موضوع اصلی: کامپیوتر – برنامه نویسی
نوع: کتاب الکترونیکی
ناشر: Chapman and Hall/CRC
نویسنده: Tolga Soyata
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2018
تعداد صفحه: 476 / 477
حجم فایل: 4.97 مگابایت
کد کتاب: 1498750753 , 9781498750752
نوبت چاپ: 1
توضیحات کتاب توسعه برنامه موازی GPU با استفاده از CUDA
توسعه برنامه موازی GPU با استفاده از CUDA برنامه نویسی GPU را با نشان دادن تفاوت بین خانواده های مختلف GPU ها آموزش می دهد. این رویکرد خواننده را برای نسل بعدی و نسل های بعدی GPU آماده می کند. این کتاب به جای مفاهیمی که مختص پلتفرم هستند، بر مفاهیمی تاکید دارد که برای مدت طولانی مرتبط باقی خواهند ماند. در همان زمان، این کتاب همچنین توضیحات وابسته به پلتفرم را ارائه می دهد که به اندازه مفاهیم GPU عمومی ارزشمند هستند.
کتاب از سه بخش مجزا تشکیل شده است. با توضیح موازی سازی با استفاده از چند رشته ای CPU در قسمت اول شروع می شود. چند برنامه ساده برای نشان دادن مفهوم تقسیم یک کار بزرگ به وظایف فرعی موازی متعدد و نگاشت آنها به رشته های CPU استفاده می شود. روش‌های متعدد موازی‌سازی یک کار مورد تجزیه و تحلیل قرار می‌گیرند و جوانب مثبت و منفی آنها از نظر عملکرد هسته و حافظه مورد مطالعه قرار می‌گیرند.
بخش دوم کتاب، موازی‌سازی عظیم GPU را معرفی می‌کند. برنامه های مشابه در چندین پلتفرم GPU Nvidia موازی می شوند و همان تجزیه و تحلیل عملکرد تکرار می شود. از آنجایی که ساختار هسته و حافظه CPU و GPU متفاوت است، نتایج به طرق جالبی متفاوت است. هدف نهایی این است که برنامه نویسان از همه ایده های خوب و همچنین ایده های بد آگاه شوند، بنابراین خوانندگان می توانند ایده های خوب را اعمال کنند و از ایده های بد در برنامه های خود اجتناب کنند.
بخش سوم کتاب. برای خوانندگانی که می خواهند افق های خود را گسترش دهند، اشاره گر ارائه می دهد. معرفی مختصری از کتابخانه های محبوب CUDA (مانند cuBLAS، cuFFT، NPP و Thrust)، زبان برنامه نویسی OpenCL، مروری بر برنامه نویسی GPU با استفاده از سایر زبان های برنامه نویسی و کتابخانه های API (مانند Python، OpenCV، OpenGL و Apple’s سویفت و متال) و کتابخانه یادگیری عمیق cuDNN.
The book consists of three separate parts; it starts by explaining parallelism using CPU multi-threading in Part I. A few simple programs are used to demonstrate the concept of dividing a large task into multiple parallel sub-tasks and mapping them to CPU threads. Multiple ways of parallelizing the same task are analyzed and their pros/cons are studied in terms of both core and memory operation.
Part II of the book introduces GPU massive parallelism. The same programs are parallelized on multiple Nvidia GPU platforms and the same performance analysis is repeated. Because the core and memory structures of CPUs and GPUs are different, the results differ in interesting ways. The end goal is to make programmers aware of all the good ideas, as well as the bad ideas, so readers can apply the good ideas and avoid the bad ideas in their own programs.
Part III of the book provides pointer for readers who want to expand their horizons. It provides a brief introduction to popular CUDA libraries (such as cuBLAS, cuFFT, NPP, and Thrust),the OpenCL programming language, an overview of GPU programming using other programming languages and API libraries (such as Python, OpenCV, OpenGL, and Apple’s Swift and Metal,) and the deep learning library cuDNN.
دانلود کتاب «توسعه برنامه موازی GPU با استفاده از CUDA»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.