Praktické programovanie na GPU s Pythonom a CUDA

Recenzie čitateľov

Kniha je praktickým sprievodcom pri učení sa programovania na GPU s Pythonom a CUDA. Poskytuje jasné vysvetlenia, praktické príklady a je vhodná pre začiatočníkov aj skúsených programátorov. Hoci ju odporúčame pre jej praktické využitie, čelí určitej kritike pre jej závislosť od jazyka Python 2, ktorý môže vyžadovať konverziu pre používateľov prechádzajúcich na Python 3.

Praktické pre nových študentov, jasné a dôkladné vysvetlenia, praktické príklady, využíva PyCUDA pre dostupnosť, skvelý zdroj na zlepšenie výkonu, do hĺbky pokrýva teoretické aspekty, citlivá podpora autora pri aktualizáciách.

Používa Python 2, čo môže viesť k problémom s kompatibilitou s novšími prostrediami, používatelia môžu potrebovať konvertovať kód na Python 3, oneskorenie vydania aktualizovaných vydaní.

(na základe 7 čitateľských recenzií)

Pôvodný názov:

Hands-On GPU Programming with Python and CUDA

Obsah knihy:

Vytvárajte vysoko výkonné aplikácie akcelerované GPU pomocou Pythonu 2. 7, CUDA 9 a open source knižnicami, ako sú PyCUDA a scikit-cuda. Odporúčame používať Python 2. 7, pretože táto verzia má stabilnú podporu všetkých knižníc použitých v tejto knihe. Kľúčové vlastnosti Zoznámte sa s nástrojmi na programovanie na GPU, ako sú PyCUDA, scikit-cuda a Nsight Preskúmajte knižnice CUDA, ako sú cuBLAS, cuFFT a cuSolver Aplikujte programovanie na GPU na moderné aplikácie dátovej vedy Popis knihy

Programovanie na GPU je technika odľahčovania náročných úloh bežiacich na CPU s cieľom zrýchliť výpočty. Praktické programovanie GPU s Pythonom a CUDA vám pomôže objaviť spôsoby, ako vyvíjať vysoko výkonné aplikácie v jazyku Python kombinujúce výkon Pythonu a CUDA.

Táto kniha vám pomôže začať s prácou - na začiatku sa naučíte aplikovať Amdahlov zákon, používať profilovač kódu na identifikáciu úzkych miest v kóde Pythonu a nastaviť programovacie prostredie GPU. Potom uvidíte, ako sa dopytovať na funkcie GPU a kopírovať polia údajov do pamäte GPU a z nej. Počas prechádzania knihou budete spúšťať svoj kód priamo na GPU a písať plnohodnotné jadrá GPU a funkcie zariadení v CUDA C. Dokonca sa zoznámite s profilovaním kódu GPU a plne otestujete a odladíte svoj kód pomocou prostredia Nsight IDE. Okrem toho sa kniha zaoberá niektorými známymi knižnicami NVIDIA, ako sú cuFFT a cuBLAS.

S pevným základom budete môcť od začiatku vyvíjať vlastnú hlbokú neurónovú sieť na báze GPU a preskúmať pokročilé témy, ako je warp shuffling, dynamický paralelizmus a PTX assembly. Nakoniec sa dotknete tém a aplikácií, ako sú umelá inteligencia, grafika a blockchain.

Na konci tejto knihy budete s istotou riešiť problémy súvisiace s dátovou vedou a vysokovýkonnými výpočtami pomocou programovania na GPU. Čo sa naučíte Písať efektívne a účinné jadrá GPU a funkcie zariadení Pracovať s knižnicami, ako sú cuFFT, cuBLAS a cuSolver Ladiť a profilovať svoj kód pomocou Nsight a Visual Profiler Použiť programovanie GPU na problémy dátovej vedy Zostaviť hlbokú neurónovú sieť na báze GPU od začiatku Preskúmať pokročilé funkcie hardvéru GPU, ako je warp shuffling Komu je táto kniha určená

Táto kniha je určená pre vývojárov a dátových vedcov, ktorí sa chcú naučiť základy efektívneho programovania GPU na zvýšenie výkonu pomocou kódu v jazyku Python. Užitočná bude znalosť matematických a fyzikálnych konceptov spolu s určitými skúsenosťami s jazykom Python a akýmkoľvek programovacím jazykom založeným na jazyku C. Obsah Prečo programovanie na GPU? Nastavenie prostredia pre programovanie na GPU Začíname s PyCUDA Jadrá, vlákna, bloky a mriežky Prúdy, udalosti, kontexty a súbežnosť Ladenie a profilovanie kódu CUDA Používanie knižníc CUDA pomocou Scikit-CUDA Návrh kompletný Knižnice funkcií zariadení CUDA a Thrust Implementácia hlbokej neurónovej siete Práca s kompilovaným kódom GPU Optimalizácia výkonu v CUDA Kam ďalej?