当前位置:主页 > 计算机电子书 > Python > GPU编程pdf电子书
GPU编程实战:基于Python和CUDA反馈 / 投诉

GPU编程实战:基于Python和CUDA

2022-06-19 09:25:02 类别:GPU编程

  • 更新:2022-06-19 09:25:02
  • 大小:53.7 MB
  • 出版:人民邮电出版社
  • 作者:布莱恩·图奥迈宁
  • 类别:GPU编程
  • 格式:PDF

获取本书 查看送书规则

扫二维码手机浏览

资源介绍

为网友们分享了GPU编程相关的 计算机书籍资料,由人民邮电出版社出版,作者是布莱恩·图奥迈宁,介绍了关于GPU编程、Python、CUDA方面,格式为PDF,资源大小53.7 MB,目前在GPU编程类资源综合评分为:9.8分。

内容简介 本书旨在引导读者基于 Python 和CUDA 的 GPU 编程开发高性能的应用程序,先后介绍了为什么要学习 GPU 编程、搭建 GPU编程环境、PyCUDA入门等内容,以及 CUDA 代码的调试与性能分析、通过 Scikit-CUDA 模块使用 CUDA 库、实现深度神经网络、CUDA 性能优化等内容。学完上述内容,读者应能从零开始构建基于 GPU的深度神经网络,甚至能够解决与数据科学和 GPU编程高性能计算相关的问题。 本书适合对GPU 编程与 CUDA编程感兴趣的读者阅读。读者应掌握必要的基本数学概念,且需要具备一定的 Python编程经验。 目录 第 1章为什么要学习GPU编程1 1.1 技术要求2 1.2 并行化与阿姆达尔定律2 1.2.1 使用阿姆达尔定律3 1.2.2 Mandelbrot集5 1.3 对代码进行性能分析7 1.4 小结9 1.5 习题10 第 2章搭建GPU编程环境11 2.1 技术要求12 2.2 确保拥有合适的硬件12 2.2.1 检查硬件(Linux系统)13 2.2.2 检查硬件(Windows系统)14 2.3 安装GPU驱动程序15 2.3.1 安装GPU驱动程序(Linux系统)16 2.3.2 安装GPU驱动程序(Windows系统)17 2.4 搭建C++编程环境18 2.4.1 设置GCC、Eclipse IDE和图形处理库(Linux系统)18 2.4.2 设置Visual Studio(Windows系统)18 2.4.3 安装CUDA Toolkit20 2.5 为GPU编程设置Python环境21 2.5.1 安装PyCUDA(Linux系统)22 2.5.2 创建环境启动脚本(Windows系统)22 2.5.3 安装PyCUDA(Windows系统)23 2.5.4 测试PyCUDA23 2.6 小结24 2.7 习题25 第3章PyCUDA入门26 3.1 技术要求26 3.2 查询GPU27 3.3 使用PyCUDA的gpuarray类31 3.3.1 使用gpuarray在GPU之间传输数据31 3.3.2 使用gpuarray进行基本的逐元素算术运算32 3.4 使用PyCUDA的ElementwiseKernel执行逐元素运算37 3.4.1 重温Mandelbrot集40 3.4.2 函数式编程简介44 3.4.3 并行化的扫描内核函数和规约内核函数简介45 3.5 小结47 3.6 习题47 第4章内核函数、线程、线程块与网格49 4.1 技术要求50 4.2 内核函数50 4.3 线程、线程块与网格53 4.4 线程同步与线程通信60 4.4.1 使用设备函数__syncthreads60 4.4.2 使用共享内存63 4.5 并行前缀算法65 4.5.1 朴素并行前缀算法66 4.5.2 包含型并行前缀算法与独占型并行前缀算法69 4.5.3 工作高效型并行前缀算法69 4.5.4 工作高效型并行前缀算法的实现71 4.6 小结74 4.7 习题74 第5章流、事件、上下文与并发性76 5.1 技术要求77 5.2 CUDA设备同步77 5.2.1 使用PyCUDA流类78 5.2.2 通过CUDA流实现并发版本的LIFE82 5.3 事件85 5.4 上下文89 5.4.1 同步当前上下文90 5.4.2 手动创建上下文91 5.4.3 主机端多进程与多线程技术92 5.4.4 实现主机端并发的多上下文93 5.5 小结97 5.6 习题97 第6章CUDA代码的调试与性能分析99 6.1 技术要求100 6.2 在CUDA内核函数中使用printf函数100 6.3 CUDA C编程简介106 6.4 利用Nsight IDE开发和调试CUDA C代码113 6.4.1 在Windows平台上的Visual Studio中使用Nsight113 6.4.2 在Linux平台中使用Nsight和Eclipse117 6.4.3 借助Nsight理解CUDA的线程束锁步特性120 6.5 使用NVIDIA性能分析工具nvprof与Visual Profiler122 6.6 小结124 6.7 习题125 第7章通过Scikit-CUDA模块使用CUDA库126 7.1 技术要求127 7.2 安装Scikit-CUDA127 7.3 利用cuBLAS库处理基本线性代数运算128 7.3.1利用cuBLAS库处理第 1级AXPY运算128 7.3.2其他第 1级cuBLAS函数130 7.3.3利用cuBLAS库处理第 2级GEMV运算131 7.3.4利用cuBLAS中的第3级GEMM操作测量GPU性能133 7.4 利用cuFFT库进行快速傅里叶变换136 7.4.1一维快速傅里叶变换示例137 7.4.2使用FFT进行卷积操作138 7.4.3利用cuFFT进行二维卷积139 7.5 通过Scikit-CUDA使用cuSolver144 7.5.1奇异值分解144 7.5.2奇异值分解在主成分分析中的应用146 7.6 小结147 7.7 习题148 第8章 CUDA设备函数库与Thrust库149 8.1 技术要求150 8.2 cuRAND设备函数库150 8.3 CUDA Math API155 8.3.1定积分概述155 8.3.2用蒙特卡罗方法计算定积分156 8.3.3编写测试用例162 8.4 CUDA Thrust库164 8.5 小结168 8.6 习题169 第9章实现深度神经网络170 9.1 技术要求170 9.2 人工神经元与神经网络171 9.3 softmax层的实现177 9.4 交叉熵损失函数的实现179 9.5 序贯网络的实现180 9.5.1推理方法的实现182 9.5.2梯度下降法184 9.5.3数据的规范化和归一化189 9.6 Iris数据集190 9.7 小结192 9.8 习题193 第 10章 应用编译好的GPU代码194 10.1 通过Ctypes模块启动编译好的 代码194 10.2 编译并运行纯PTX代码201 10.3 为CUDA Driver API编写 包装器203 10.4 小结210 10.5 习题211 第 11章CUDA性能优化212 11.1 动态并行性212 11.2 向量化数据类型与 内存访问217 11.3 线程安全的原子操作218 11.4 线程束洗牌220 11.5 内联PTX汇编223 11.6 经过优化的数组求和 函数227 11.7 小结231 11.8 习题231 第 12章未来展望233 12.1 深入了解CUDA和GPGPU 编程技术234 12.1.

以上就是本次关于本资源的介绍和部分内容,我们还整理了以往更新的其它相关资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。

你可能感兴趣的文章:

1、《趣学Python编程》配套资源

2、Python-100天从新手到大师 编程资源

3、Python全栈数据工程师养成攻略(视频) PDF电子书

4、python tkinter 实现学生通讯录 编程资源

5、实战Python网络爬虫 PDF电子书

6、《基于ArcGIS的Python编程秘笈(第2版)》配套资源

7、《OpenCV 4计算机视觉:Python语言实现(原书第3版)》配图源码

8、Python Django Web典型模块开发实战 计算机书籍

以上就是本次关于书籍资源的介绍和部分内容,我们还整理了以往更新的其它相关电子书资源内容,可以在下方直接下载,关于相关的资源我们在下方做了关联展示,需要的朋友们也可以参考下。


获取赠书

留言评论

欢迎发表评论:

联系我们

邮件联系:3522365@qq.com

QQ联系:3522365