消息 首页 搜索 举报
  • gpu编程实战 基于python和cuda 编程语言 (美)布莱恩·图奥迈宁(brian tuomanen) 新华正版
  • gpu编程实战 基于python和cuda 编程语言 (美)布莱恩·图奥迈宁(brian tuomanen) 新华正版
21年品牌 40万+商家 超1.5亿件商品

gpu编程实战 基于python和cuda 编程语言 (美)布莱恩·图奥迈宁(brian tuomanen) 新华正版

￥ 45.3 5.7折 ￥ 79.9 全新

库存3件

河北保定
认证卖家担保交易快速发货售后保障

作者(美)布莱恩·图奥迈宁(brian tuomanen)

出版社人民邮电出版社

ISBN9787115560919

出版时间2022-06

版次1

装帧平装

开本16

页数244页

字数303千字

定价79.9元

货号702_9787115560919

上书时间2024-06-19

凡凡图书店

三年老店
已实名 已认证 进店 收藏店铺
  • 最新上架

   商品详情   

品相描述：全新
正版特价新书
商品描述
主编：

1.本书基于python和cuda介绍gpu编程
2.重点介绍如何通过gpu编程来实现高能的并行计算
3.本书为读者供题，并以“题提示”的方式给出解题思路
4.异步社区为读者提供配套代码

目录：

章 为什么要学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 对代码进行能分析 7

1.4 小结 9

1.5 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、eclie 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 toolkit 20

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pycuda 23

2.6 小结 24

2.7 题 25

第3章 pycuda入门 26

3.1 技术要求 26

3.2 查询gpu 27

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 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__syncthreads 60

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 题 74

第5章 流、事件、上下文与并发 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life 82

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 题 97

第6章 cuda代码的调试与能分析 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台上的visual studio中使用nsight 113

6.4.2 在linu台中使用nsight和eclie 117

6.4.3 借助nsight理解cuda的线程束锁步特 120

6.5 使用nvidia能分析工具——nvprof与visual profiler 122

6.6 小结 124

6.7 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-cuda 127

7.3 利用cublas库处理基本线代数运算 128

7.3.1 利用cublas库处理级axpy运算 128

7.3.2 其他级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作测量gpu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进行卷积作 138

7.4.3 利用cufft进行二维卷积 139

7.5 通过scikit-cuda使用cusolver 144

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 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 api 155

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 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 题 193

0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 题 211

1章 cuda能优化 212

11.1 动态并行 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 题 231

2章 未来展望 233

12.1 深入了解cuda和gpgpu 编程技术 234

12.1.1 多gpu系统 234

12.1.2 集群计算和消息 传递接 234

12.1.3 opencl和 pyopenclcuda 234

12.2 图形领域 235

12.2.1 opengl 235

12.2.2 directx 12 235

12.2.3 vulkan 236

12.3 机器学与计算机视觉 236

12.3.1 基础知识 236

12.3.2 cudnn 236

12.3.3 tensorflow与keras 237

12.3.4 chainer 237

12.3.5 opencv 237

12.4 区块链技术 237

12.5 小结 238

12.6 题 238

题提示 239

章 为什么要学gpu编程 239

第2章 搭建gpu编程环境 239

第3章 pycuda入门 240

第4章 内核函数、线程、线程块与网格 240

第5章 流、事件、上下文与并发 241

第6章 cuda代码的调试与能分析 241

第7章 通过scikit-cuda模块使用cuda库 242

第8章 cuda设备函数库与thrust库 242

第9章 实现深度神经网络 243

0章 应用编译好的gpu代码 243

1章 cuda能优化 244

2章 未来展望 244

内容简介：

本书旨在引导读者基于python和cuda的gpu编程开发高能的应用程序，先后介绍了为什么要学gpu编程、搭建gpu编程环境、pycuda入门等内容，以及cuda代码的调试与能分析、通过cikitcuda模块使用cuda库、实现深度神经网络、cuda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，且需要具备的python编程经验。

作者简介：

brian tuomanen 博士自2014年以来，一直从事cuda 和gpu 编程方面的工作。他在美国西雅图华盛顿大学（univerity of wahington）获得了电气工程专业的学士，在攻读数学专业的硕士之前，从事过软件工程方面的工作。后来，他在哥伦比亚的密苏里大学攻读数学博士，在那里与 gpu 编程"邂逅"——gpu编程当时主要用于研究科学问题。tuomanen 博十曾经在美国陆军研究实验室以gpu编程为题发表演讲，后来在美国马里兰州的一家初创公司负责gpu集成和开发方面的工作。目前，他在西雅图担任微软的机器学专家（azure ci）。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

正版特价新书
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP