| 作者 |
| [希腊]尼古劳斯·普洛斯卡斯(Nikolaos Ploskas) 尼古劳斯·萨马拉斯(Nikolaos Samaras) |
| 丛书名 |
| 高性能计算技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111625858 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书首先介绍了并行计算工具箱和其他用于GPU计算的MATLAB工具箱,这使得应用程序可以直接移植到GPU上,而不需要大量的GPU编程知识。接下来介绍MATLAB的内置的、支持GPU的特性,包括在多核或不同的计算机系统中利用GPU的方法。最后介绍了一些进阶主题,如在MATLAB中引入CUDA代码,以优化现有的GPU应用。书中通过例子和源代码来说明每个概念,以便读者可以立即将它们应用到自己的开发中。 |
| 目录 |
| 译者序 推荐序 前言 关于作者 第1章 引言 1 1.1 并行编程 1 1.1.1 并行计算导引 1 1.1.2 并行计算机的类别 4 1.1.3 并行计算机的内存架构 6 1.2 GPU编程 7 1.3 CUDA架构 7 1.4 为什么在MATLAB中进行GPU编程,什么情况下使用GPU编程 11 1.5 本书的组织结构 15 1.6 本章回顾 16 第2章 入门准备 17 2.1 硬件要求 17 2.2 软件要求 19 2.2.1 NVIDIA CUDA 工具包 19 2.2.2 MATLAB 26 2.3 本章回顾 29 第3章 并行计算工具箱 30 3.1 产品描述与目标 30 3.2 并行for循环(parfor) 32 3.3 单程序多数据(spmd) 43 3.4 分布式数组和共分布式数组 47 3.5 交互式并行开发(pmode) 52 3.6 GPU计算 53 3.7 集群和作业调度 53 3.8 本章回顾 57 第4章 基于MATLAB的GPU编程介绍 58 4.1 基于MATLAB的GPU编程特性 58 4.2 GPU数组 59 4.3 基于GPU的MATLAB内置函数 66 4.4 基于GPU的MATLAB逐元素操作 78 4.5 本章回顾 91 第5章 基于MATLAB工具箱的GPU编程 92 5.1 通信系统工具箱 92 5.2 图像处理工具箱 109 5.3 神经网络工具箱 112 5.4 相控阵系统工具箱 131 5.5 信号处理工具箱 136 5.6 统计和机器学习工具箱 137 5.7 本章回顾 142 第6章 多GPU并行 143 6.1 在指定GPU设备上定义和运行代码 143 6.2 多GPU运算举例 150 6.3 本章回顾 166 第7章 运行CUDA或PTX代码 168 7.1 CUDA C编程简介 168 7.2 在GPU上通过MATLAB运行CUDA或PTX代码的步骤 172 7.3 示例:向量加法 180 7.4 示例:矩阵乘法 182 7.5 本章回顾 185 第8章 包含CUDA代码的MATLAB MEX函数 186 8.1 MATLAB MEX文件简介 186 8.2 在GPU上执行MATLAB MEX函数的步骤 191 8.3 示例:向量加法 198 8.4 示例:矩阵乘法 201 8.5 本章回顾 204 第9章 CUDA加速库 205 9.1 引言 205 9.2 cuBLAS 206 9.3 cuFFT 210 9.4 cuRAND 213 9.5 cuSOLVER 216 9.6 cuSPARSE 219 9.7 NPP 223 9.8 Thrust 227 9.9 本章回顾 229 第10章 代码分析与GPU性能提升 230 10.1 MATLAB分析 230 10.2 CUDA分析 242 10.3 提升GPU性能的最佳实践 246 10.4 本章回顾 251 参考文献 252 |