发帖
雷达卡
CUDA是一种专门为提高并行程序开发效率而设计的计算架构。是目前深度学习算法的底层开发技术。
除该书外，压缩包内，本人附录了全英
《CUDA C Best Practices Guide》
简介
CUDA是一种专门为提高并行程序开发效率而设计的计算架构。是目前深度学习算法的底层开发技术。在构建高性能应用程序时，CUDA架构能充分发挥GPU的强大计算功能。本书首先介绍了CUDA架构的应用背景，并给出了如何配置CUDA c的开发环境。然后通过矢量求和运算、矢量点积运算、光线跟踪、热传导模拟等示例详细介绍了CUDA c的基本语法和使用模式。通过学习本书，读者可以清楚了解CUDA c中每个功能的适用场合，并编写出高性能的CUDA软件。 本书适合具备c或者c++知识的应用程序开发人员、数值计算库开发人员等，也可以作为学习并行计算的学生和教师的教辅。
Desktop.zip
(23.72 MB, 需要: 10 个论坛币)
本附件包括：- GPU高性能编程CUDA实战中文.pdf
- CUDA_C_Best_Practices_Guide.pdf
译者序
序
前言
致谢
作者简介
第1章 为什么需要cuda 1
1.1 本章目标 2
1.2 并行处理的历史 2
1.3 gpu计算的崛起 3
1.4 cuda 5
1.5 cuda的应用 6
1.6 本章小结 8
第2章 入门 9
2.1 本章目标 10
2.2 开发环境 10
2.3 本章小结 14
第3章 cuda c简介 15
3.1 本章目标 16
3.2 第一个程序 16
3.3 查询设备 20
.3.4 设备属性的使用 23
3.5 本章小结 24
第4章 cuda c并行编程 26
4.1 本章目标 27
4.2 cuda并行编程 27
4.3 本章小结 41
第5章 线程协作 42
5.1 本章目标 43
5.2 并行线程块的分解 43
5.3 共享内存和同步 54
5.4 本章小结 68
第6章 常量内存与事件 69
6.1 本章目标 70
6.2 常量内存 70
6.3 使用事件来测量性能 78
6.4 本章小结 83
第7章 纹理内存 84
7.1 本章目标 85
7.2 纹理内存简介 85
7.3 热传导模拟 86
7.4 本章小结 101
第8章 图形互操作性 102
8.1 本章目标 103
8.2 图形互操作 103
8.3 基于图形互操作性的gpu波纹示例 108
8.4 基于图形互操作性的热传导 113
8.5 directx互操作性 118
8.6 本章小结 118
第9章 原子性 119
9.1 本章目标 120
9.2 计算功能集 120
9.3 原子操作简介 122
9.4 计算直方图 124
9.5 本章小结 133
第10章 流 134
10.1 本章目标 135
10.2 页锁定主机内存 135
10.3 cuda流 139
10.4 使用单个cuda流 140
10.5 使用多个cuda流 144
10.6 gpu的工作调度机制 149
10.7 高效地使用多个cuda流 151
10.8 本章小结 152
第11章 多gpu系统上的cuda c 154
11.1 本章目标 155
11.2 零拷贝主机内存 155
11.3 使用多个gpu 162
11.4 可移动的固定内存 166
11.5 本章小结 170
第12章 后记 171
12.1 本章目标 172
12.2 cuda工具 172
12.3 参考资料 176
12.4 代码资源 178
12.5 本章小结 179
附录 高级原子操作 180
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
