Программирование GPU при помощи Python и CUDA

Читать фрагмент

книга

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.

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

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

Внимание!
При обнаружении неточностей или ошибок в описании книги "Программирование GPU при помощи Python и CUDA : исследуйте высокопроизводительные параллельные вычисления с помощью CUDA (автор Бриан Тоуманнен)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!