GPU高性能编程CUDA实战

作者简介

UDA是一种专门为提高并行程序开发效率而设计的计算架构。在构建高性能应用程序时，CUDA架构能充分发挥GPU的强大计算功能。《GPU高性能编程CUDA实战》首先介绍了CUDA架构的应用背景，并给出了如何配置CUDA C的开发环境。然后通过矢量求和运算、矢量点积运算、光线跟踪、热传导模拟等示例详细介绍了CUDA C的基本语法和使用模式。通过学习本书，读者可以清楚了解CUDA C中每个功能的适用场合，并编写出高性能的CUDA软件。

《GPU高性能编程CUDA实战》适合具备C或者C++知识的应用程序开发人员、数值计算库开发人员等，也可以作为学习并行计算的学生和教师的教辅。

书籍目录

译者序

序

前言

致谢

作者简介

第1章   为什么需要CUDA
1

1.1   本章目标
2

1.2   并行处理的历史
2

1.3   GPU计算的崛起
3

1.4   CUDA
5

1.5   CUDA的应用
6

1.6   本章小结
8

第2章   入门
9

2.1   本章目标
10

2.2   开发环境
10

2.3   本章小结
14

第3章   CUDA C简介
15

3.1   本章目标
16

3.2   第一个程序
16

3.3   查询设备
20

3.4   设备属性的使用
23

3.5   本章小结
24

第4章   CUDA C并行编程
26

4.1   本章目标
27

4.2   CUDA并行编程
27

4.3   本章小结
41

第5章   线程协作
42

5.1   本章目标
43

5.2   并行线程块的分解
43

5.3   共享内存和同步
54

5.4   本章小结
68

第6章   常量内存与事件
69

6.1   本章目标
70

6.2   常量内存
70

6.3   使用事件来测量性能
78

6.4   本章小结
83

第7章   纹理内存
84

7.1   本章目标
85

7.2   纹理内存简介
85

7.3   热传导模拟
86

7.4   本章小结
101

第8章   图形互操作性
102

8.1   本章目标
103

8.2   图形互操作
103

8.3   基于图形互操作性的GPU波纹示例
108

8.4   基于图形互操作性的热传导
113

8.5   DirectX互操作性
118

8.6   本章小结
118

第9章   原子性
119

9.1   本章目标
120

9.2   计算功能集
120

9.3   原子操作简介
122

9.4   计算直方图
124

9.5   本章小结
133

第10章   流
134

10.1   本章目标
135

10.2   页锁定主机内存
135

10.3   CUDA流
139

10.4   使用单个CUDA流
140

10.5   使用多个CUDA流
144

10.6   GPU的工作调度机制
149

10.7   高效地使用多个CUDA流
151

10.8   本章小结
152

第11章   多GPU系统上的CUDA C
154

11.1   本章目标
155

11.2   零拷贝主机内存
155

11.3   使用多个GPU
162

11.4   可移动的固定内存
166

11.5   本章小结
170

第12章   后记
171

12.1   本章目标
172

12.2   CUDA工具
172

12.3   参考资料
176

12.4   代码资源
178

12.5   本章小结
179

附录   高级原子操作
180

编辑推荐

《GPU高性能编程CUDA实战》由机械工业出版社出版。

内容概要

Jason Sanders是NVIDIA公司CUDA平台小组的高级软件工程师。他在NVIDIA的工作包括帮助开发早期的CUDA系统软件，并参与OpenCL 1.0规范的制定，该规范是一个用于异构计算的行业标准。Jason在加州大学伯克利分校获得计算机科学硕士学位，他发表了关于GPU计算的研究论文。此外，他还获得了普林斯顿大学电子工程专业学士学位。在加入NVIDIA公司之前，他曾在ATI技术公司、Apple公司以及Novell公司工作过。

Edward Kandrot是NVIDIA公司CUDA算法小组的高级软件工程师。他在代码优化和提升性能等方面拥有20余年的工作经验，参与过Photoshop和Mozilla等项目。Kandrot曾经在Adobe公司、Microsoft公司工作过，他还是许多公司的咨询师，包括Apple公司和Autodesk公司。

媒体关注与评论

“对于开发基于GPU加速的并行计算系统的读者来说，本书绝对值得一读。”　　——Jack Dongarra 田纳西大学杰出教授美国橡树岭国家实验室杰出研究人员

章节摘录

版权页：插图：当人们在探索如何提升个人计算机的性能时，超级计算机中性能提升方式引出了一个很好的问题：为什么不在个人计算机中放置多个处理器，而不是仅提升单个处理器核的性能？这样，在不需要提高处理器运行频率的情况下，个人计算机的性能就能获得持续的提升。在2005年，当面对竞争日趋激烈的市场以及越来越少的可行方式时，业界一些领先的CPIJ制造商们开始提供带有两个计算核的处理器。在接下来的几年中，他们延续了这种发展趋势，不断推出3核、4核、6核以及8核的中央处理器。这种趋势也称为多核革命（Multicore Revolution），它标志着在个人计算机上开始发生重大的转变。当前，要购买一台单核CPIJ的桌面计算机已经比较困难了。即使在低端、低能耗的中央处理器中，通常都包含有两个或多个计算核。一些业界领先的CPU制造商已经宣布在未来将计划推出12核和16核的CPU，这进一步证明了并行计算已经给人们带来了不可忽视的好处。1.3 GPU计算的崛起与中央处理器传统的数据处理流水线相比，在图形处理器（Graphics Processing unit，GPU）上执行通用计算还是一个新概念。事实上，在计算领域中，GPU本身在很大程度上就是一个新概念。然而，在图形处理器上执行计算却并非新概念。1.3.1 GPU简史在前面介绍了中央处理器在时钟频率和处理器核数量上的发展历程。与此同时，图形处理技术同样经历了巨大的变革。在20世纪80年代晚期到90年代早期之间，图形界面操作系统（例如Microsoft公司的Windows）的普及推动了新型处理器的出现。在20世纪90年代早期，用户开始购买配置2D显示加速器卡的个人计算机。这些显卡提供了基于硬件的位图运算功能，能够在图形操作系统的显示和可用性上起到辅助作用。

图书封面

---

 GPU高性能编程CUDA实战下载 精选章节试读 更多精彩书评

---