توضیحات
Hands-On GPU Programming with Python and CUDA hits the ground running: you’ll start by learning how to apply Amdahl’s Law, use a code profiler to identify bottlenecks in your Python code, and set up an appropriate GPU programming environment. You’ll then see how to query the GPU’s features and copy arrays of data to and from the GPU’s own memory.
As you make your way through the book, you’ll launch code directly onto the GPU and write full blown GPU kernels and device functions in CUDA C. You’ll get to grips with profiling GPU code effectively and fully test and debug your code using Nsight IDE. Next, you’ll explore some of the more well-known NVIDIA libraries, such as cuFFT and cuBLAS.
With a solid background in place, you will now apply your new-found knowledge to develop your very own GPU-based deep neural network from scratch. You’ll then explore advanced topics, such as warp shuffling, dynamic parallelism, and PTX assembly. In the final chapter, you’ll see some topics and applications related to GPU programming that you may wish to pursue, including AI, graphics, and blockchain.
By the end of this book, you will be able to apply GPU programming to problems related to data science and high-performance computing.
What you will learn
Launch GPU code directly from Python
Write effective and efficient GPU kernels and device functions
Use libraries such as cuFFT, cuBLAS, and cuSolver
Debug and profile your code with Nsight and Visual Profiler
Apply GPU programming to datascience problems
Build a GPU-based deep neuralnetwork from scratch
Explore advanced GPU hardware features, such as warp shuffling
Who this book is for
Hands-On GPU Programming with Python and CUDA is for developers and data scientists who want to learn the basics of effective GPU programming to improve performance using Python code. You should have an understanding of first-year college or university-level engineering mathematics and physics, and have some experience with Python as well as in any C-based programming language such as C, C++, Go, or Java.
————————————————————–
ترجمه ماشینی :
برنامه نویسی GPU عملی با پایتون و CUDA به سرعت در حال انجام است: شما با یادگیری نحوه اعمال قانون Amdahl، استفاده از یک پروفایل کننده کد برای شناسایی تنگناها در کد پایتون خود و راه اندازی یک محیط برنامه نویسی GPU مناسب شروع می کنید. سپس خواهید دید که چگونه می توان ویژگی های GPU را پرس و جو کرد و آرایه های داده را به و از حافظه خود GPU کپی کرد. همانطور که در کتاب پیش میروید، کد را مستقیماً روی GPU راهاندازی میکنید و هستههای پردازشگر گرافیکی کامل و عملکردهای دستگاه را در CUDA C مینویسید. به طور مؤثر با پروفایل کد GPU آشنا میشوید و به طور کامل کدهای گرافیکی خود را آزمایش و اشکالزدایی میکنید. کد با استفاده از Nsight IDE. در مرحله بعد، تعدادی از کتابخانه های شناخته شده NVIDIA مانند cuFFT و cuBLAS را کاوش خواهید کرد. با داشتن یک پس زمینه قوی، اکنون دانش جدید خود را برای توسعه شبکه عصبی عمیق مبتنی بر GPU خود از ابتدا به کار خواهید گرفت. سپس موضوعات پیشرفتهای را بررسی میکنید، مانند چرخش درهم، موازیسازی پویا و مونتاژ PTX. در فصل آخر، برخی از موضوعات و برنامه های کاربردی مرتبط با برنامه نویسی GPU را مشاهده
tag : دانلود کتاب برنامه نویسی GPU دستی با پایتون و CUDA: محاسبات موازی با کارایی بالا را با CUDA کاوش کنید , Download برنامه نویسی GPU دستی با پایتون و CUDA: محاسبات موازی با کارایی بالا را با CUDA کاوش کنید , دانلود برنامه نویسی GPU دستی با پایتون و CUDA: محاسبات موازی با کارایی بالا را با CUDA کاوش کنید , Download Hands-On GPU Programming with Python and CUDA: Explore high-performance parallel computing with CUDA Book , برنامه نویسی GPU دستی با پایتون و CUDA: محاسبات موازی با کارایی بالا را با CUDA کاوش کنید دانلود , buy برنامه نویسی GPU دستی با پایتون و CUDA: محاسبات موازی با کارایی بالا را با CUDA کاوش کنید , خرید کتاب برنامه نویسی GPU دستی با پایتون و CUDA: محاسبات موازی با کارایی بالا را با CUDA کاوش کنید , دانلود کتاب Hands-On GPU Programming with Python and CUDA: Explore high-performance parallel computing with CUDA , کتاب Hands-On GPU Programming with Python and CUDA: Explore high-performance parallel computing with CUDA , دانلود Hands-On GPU Programming with Python and CUDA: Explore high-performance parallel computing with CUDA , خرید Hands-On GPU Programming with Python and CUDA: Explore high-performance parallel computing with CUDA , خرید کتاب Hands-On GPU Programming with Python and CUDA: Explore high-performance parallel computing with CUDA ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.