Praktické využitie GPU počítačov s Pythonom

Recenzie čitateľov

Kniha predstavuje podrobnú históriu technológie CPU a GPU, ale neposkytuje užitočné informácie a praktické zručnosti týkajúce sa výpočtovej techniky a programovania na GPU. Chýba jej zameranie a nedostatočne pokrýva koncepty programovania.

Jasný a dobre napísaný historický kontext CPU a GPU; obsahuje praktické príklady na konci knihy na použitie Pytorchu a ďalších modulov.

⬤ Príliš veľké zameranie na historické fakty s malým množstvom užitočných informácií alebo programátorských zručností
⬤ prvých 30 % knihy je zbytočných
⬤ chýba hĺbkové pokrytie CUDA a PyCUDA
⬤ nie je vhodné pre čitateľov, ktorí sa snažia zlepšiť svoje programátorské zručnosti.

(na základe 1 čitateľských recenzií)

Pôvodný názov:

Hands-On GPU Computing with Python

Obsah knihy:

Preskúmajte programovateľné prostredie s podporou GPU pre strojové učenie, vedecké aplikácie a hry pomocou PuCUDA, PyOpenGL a Anaconda Accelerate Kľúčové vlastnosti Pochopte efektívne synchronizačné stratégie na rýchlejšie spracovanie pomocou GPU Napíšte paralelné skripty na spracovanie pomocou PyCuda a PyOpenCL Naučte sa používať knižnice CUDA, ako je CuDNN, na hlboké učenie na GPU Popis knihy

GPU sa ukazujú ako vynikajúce univerzálne paralelné výpočtové riešenia pre vysoko výkonné úlohy, ako je hlboké učenie a vedecké výpočty.

Táto kniha bude vaším sprievodcom pri začatí práce s výpočtovými procesormi GPU. Začne predstavením výpočtovej techniky GPU a vysvetlí architektúru a programovacie modely pre GPU. Na príkladoch sa naučíte, ako vykonávať programovanie GPU s jazykom Python, a pozriete sa na používanie integrácií, ako sú PyCUDA, PyOpenCL, CuPy a Numba s programom Anaconda, na rôzne úlohy, napríklad strojové učenie a dolovanie dát. Ďalej sa zoznámite s pracovnými tokmi GPU, správou a nasadením pomocou moderných kontajnerových riešení. Ku koncu knihy sa zoznámite s princípmi distribuovaných výpočtov na trénovanie modelov strojového učenia a zvýšenie efektivity a výkonu.

Na konci tejto knihy budete schopní nastaviť ekosystém GPU na spúšťanie komplexných aplikácií a dátových modelov, ktoré si vyžadujú veľké možnosti spracovania, a budete schopní efektívne spravovať pamäť na efektívne a rýchle výpočty vašej aplikácie. Čo sa naučíte Využívanie knižníc a rámcov jazyka Python na akceleráciu GPU Nastavenie programovateľného prostredia strojového učenia s podporou GPU v systéme pomocou programu Anaconda Nasadenie systému strojového učenia v cloudových kontajneroch s ilustrovanými príkladmi Preskúmajte PyCUDA a PyOpenCL a porovnajte ich s platformami, ako sú CUDA, OpenCL a ROCm. Vykonávajte úlohy dolovania dát s modelmi strojového učenia na GPU Rozšírte svoje znalosti o výpočtoch na GPU vo vedeckých aplikáciách Pre koho je táto kniha určená

Dátoví vedci, nadšenci strojového učenia a profesionáli, ktorí chcú začať s výpočtami na GPU a vykonávať zložité úlohy s nízkou latenciou. Predpokladá sa stredne pokročilá znalosť programovania v jazyku Python. Obsah Úvod do GPU výpočtovej techniky Návrh stratégie pre GPU výpočty Nastavenie platformy pre GPU výpočty s NVIDIA a AMD Základy GPU programovania Nastavenie prostredia pre GPU programovanie Práca s PyCUDA Práca s PyOpenCL Práca s Anaconda a Anaconda Accelerate Containerization na platformách s podporou GPU Machine Learning on GPU: Prípady použitia Akcelerácia GPU pre vedecké aplikácie pomocou Deepchem