Программирование GPU при помощи Python и CUDA

книга

Программирование GPU при помощи Python и CUDA : исследуйте высокопроизводительные параллельные вычисления с помощью CUDA

Здесь можно купить книгу "Программирование GPU при помощи Python и CUDA : исследуйте высокопроизводительные параллельные вычисления с помощью CUDA" в печатном или электронном виде. Также, Вы можете прочесть аннотацию, цитаты и содержание, ознакомиться и оставить отзывы (комментарии) об этой книге.

Автор: Бриан Тоуманнен

Форматы: PDF

Издательство: ДМК Пресс

Год: 2020

Место издания: Москва

ISBN: 978-5-97060-821-0

Страниц: 255

Артикул: 95161

Возрастная маркировка: 16+

Электронная книга

799 ₽

Купить и скачать

Читать фрагмент

Аннотация

Краткая аннотация книги "Программирование GPU при помощи Python и CUDA"

Книга предлагает быстрое погружение в программирование GPU. Вы узнаете, как применять закон Амдала, использовать профилировщик для определения узких мест в коде на Python, настроить окружения для программирования GPU. По мере чтения вы будете запускать свой код на GPU и писать полноценные ядра и функции на CUDA C, научитесь отлаживать код при помощи NSight IDE и получите представление об известных библиотеках от NVIDIA, в частности cuFFT и cuBLAS. Вооружившись этими знаниями, вы сможете написать с нуля глубокую нейронную сеть, использующую GPU, и изучить более основательные темы. Книга предназначена для разработчиков и специалистов по обработке данных, которые хотят познакомиться с основами эффективного программирования GPU для улучшения быстродействия, используя программирование на Python. Желательно общее знакомство с базовыми понятиями математики и физики, а также опыт программирования на Python и любом основанном на С языке программирования.

Содержание

Содержание книги "Программирование GPU при помощи Python и CUDA : исследуйте высокопроизводительные параллельные вычисления с помощью CUDA"

Об авторе
О рецензенте
Предисловие
Глава 1. Почему программирование GPU?
Технические требования
Параллелизация и закон Амдала
Профилировка вашего кода
Резюме
Вопросы
Глава 2. Настройка окружения для программирования GPU
Технические требования
Убедитесь, что у вас есть требуемое оборудование
Установка драйверов для GPU
Установка окружения для программирования на С
Установка окружения Python для программирования GPU
Резюме
Вопросы
Глава 3. Начало работы с PyCUDA
Технические требования
Опрос вашего GPU
Использование класса gpuarray модуля PyCUDA
Использование ElementWiseKernel из PyCUDA для выполнения поэлементных операций
Резюме
Вопросы
Глава 4. Ядра, нити, блоки и сетки
Технические требования
Ядра
Нити, блоки и сетки
Синхронизация и взаимодействие нитей
Алгоритм параллельной префиксной суммы
Резюме
Вопросы
Глава 5. Потоки, события, контексты и одновременность
Технические требования
Синхронизация устройства CUDA
События
Контексты
Резюме
Вопросы
Глава 6. Отладка и профилирование вашего кода на CUDA
Технические требования
Использование printf внутри ядер CUDA
Заполняем пробелы в CUDA C
Использование NSight IDE для разработки и отладки кода на CUDA C
Резюме
Вопросы
Глава 7. Использование библиотек CUDA вместе со Scikit-CUDA
Технические требования
Установка Scikit-CUDA
Базовая линейная алгебра при помощи cuBLAS
Быстрое преобразование Фурье при помощи cuFFT
Использование cuSolver из Scikit-CUDA
Резюме
Вопросы
Глава 8. Библиотеки функций для GPU CUDA и Thrust
Технические требования
Библиотека функций GPU cuRAND
CUDA Math API
Библиотека CUDA Thrust
Резюме
Вопросы
Глава 9. Реализация глубокой нейросети
Технические требования
Искусственные нейроны и нейросети
Реализация слоя мягкого максимума
Реализация функции потери перекрестной энтропии
Реализация последовательной сети
Данные Iris
Резюме
Вопросы
Глава 10. Работа с компилированным кодом для GPU
Запуск откомпилированного кода при помощи Ctypes
Компиляция и запуск PTX-кода
Написание «оберток» для CUDA Driver API
Резюме
Вопросы
Глава 11. Оптимизация быстродействия в CUDA
Динамический параллелизм
Векторные типы данных и доступ к памяти
Потокобезопасные атомарные операции
Перестановки в пределах варпа
Вставка PTX-ассемблера прямо в код
Оптимизированная по быстродействию версия суммирования элементов массива
Резюме
Вопросы
Глава 12. Куда идти далее?
Расширение знаний о CUDA и программировании GPGPU
Графика
Машинное обучение и компьютерное зрение
Технология блокчейн
Резюме
Вопросы
Ответы на вопросы
Предметный указатель

Отзывы

Все отзывы о книге Программирование GPU при помощи Python и CUDA : исследуйте высокопроизводительные параллельные вычисления с помощью CUDA

Чтобы оставить отзыв, зарегистрируйтесь или войдите

С книгой "Программирование GPU при помощи Python и CUDA" читают