| 精选典型实用例程，详解CUDA使用细节，重视理论结合实际，介绍并行程序设计方法，深入分析硬件架构，揭示模型与底层映射关系，精心总结优化经验，解析高性能编程技巧。 |
| 张舒，电子科技大学信息与通信工程专业硕士，现任NvIDIA深圳有限公司系统设计验证工程师，CUDA技术顾问。曾实现基于CUDA的神经网络、聚类分析、主分量分析等模式识别算法，以及信号仿真、密码破解、字符串匹配等应用。 |
| 前言 第1章 GPU通用计算 1.1 多核计算的发展 1.1.1 CPU多核并行 1.1.2 超级计算机、集群与分布式计算 1.1.3 CPU+GPU异构并行 1.2 GPU发展简介 1.2.1 GPU渲染流水线 1.2.2 着色器模型 1.2.3 NVIDIA GPU发展简介 1.3 从GPGPU到CUDA 1.3.1 传统GPGPU开发 1.3.2 CUDA开发 第2章 CUDA基础 2.1 CUDA编程模型 2.1.1 主机与设备 2.1.2 Kernel函数的定义与调用 2.1.3 线程结构 2.1.4 硬件映射 2.1.5 deviceQuery示例 2.1.6 matrixAssign示例 2.2 CUDA软件体系 2.2.1 CUDA C语言 2.2.2 nvcc编译器 2.2.3 运行时APl与驱动APl 2.2.4 CUDA函数库 2.3 CUDA存储器模型 2.3.1 寄存器 2.3.2 局部存储器 2.3.3 共享存储器 2.3.4 全局存储器 2.3 5 主机端内存 2.3.6 主机端页锁定内存 2.3.7 常数存储器 2.3.8 纹理存储器 2.4 CUDA通信机制 2.4.1 同步函数 2.4.2 Volatile关键字 2.4.3 ATOM操作 2.4.4 VOTE操作 2.5 异步并行执行 2.5.1 流 2.5.2 事件 2.6 CUDA与图形学APl互操作 2.6.1 CUDA与OpenGL的互操作 2.6.2 CUDA与Direct3D互操作 2.7 多设备与设备集群 2.7.1 CUDA设备控制 2.7.2 CUDA与openMP 2.7.3 CUDA与集群 第3章 CUDA硬件架构 3.1 NVIDIA显卡构造简介 3.1.1 图形显卡概览 3.1.2 PCI—E总线 3.1.3 显存 3.1.4 GPU芯片 3.2 Tesla图形与计算架构 3.2.1 SPA—TPC—SM 3.2.2 主流GPU架构 3.3 Tesla通用计算模型 3.3.1 数据与指令的加载 3.3.2 warp指令的发射与执行 3.3.3 纹理、渲染和存储器流水线 第4章 CUDA程序的优化 4.1 CUDA程序优化概述 4.2 测量程序运行时间 4.2.1 设备端测时 4.2.2 主机端测时 4.3 任务划分 …… 第5章 综合应用 附录A 安装、配置、编译及调试 附录B 常见问题与解答 附录C 技术规范 附录D C扩展 附录E 数学函数 附录F 纹理拾取 附录G 着色器模型 |
![Microchip PIC系列单片机原理、应用与开发[按需印刷]](http://images.china-pub.com/ebook15001-20000/15432/zcover.jpg)
内容加载中，请稍后...
商品评论（0条）