دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Jung W. Suh, Youngmin Kim سری: ناشر: Morgan Kaufmann سال نشر: 2013 تعداد صفحات: 245 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 24 مگابایت
در صورت تبدیل فایل کتاب Accelerating MATLAB with GPU Computing A Primer with Examples به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تسریع MATLAB با GPU Computing A Primer with Examples نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
فراتر از شبیه سازی و توسعه الگوریتم، بسیاری از توسعه دهندگان
به طور فزاینده ای از MATLAB حتی برای استقرار محصول در زمینه های
محاسباتی سنگین استفاده می کنند. این اغلب مستلزم آن است که کدهای
MATLAB با استفاده از موازی سازی توزیع شده واحدهای پردازش
گرافیکی (GPU) سریعتر اجرا شوند. در حالی که متلب با موفقیت توابع
سطح بالا را به عنوان یک ابزار شبیه سازی برای نمونه سازی سریع
فراهم می کند، جزئیات اساسی و دانش مورد نیاز برای استفاده از
پردازنده های گرافیکی باعث می شود کاربران متلب در ورود به آن
تردید داشته باشند. تسریع MATLAB با پردازندههای گرافیکی،
مقدمهای برای پر کردن این شکاف است.
با شروع، راهاندازی MATLAB برای CUDA (در ویندوز، لینوکس و Mac
OS X) و نمایهسازی، سپس کاربران را از طریق موضوعات پیشرفته
مانند کتابخانههای CUDA راهنمایی میکند. نویسندگان تجربه خود را
در توسعه الگوریتمهایی با استفاده از MATLAB، C++ و GPU برای
مجموعه دادههای عظیم، اصلاح کدهای MATLAB برای استفاده بهتر از
قدرت محاسباتی GPUها و ادغام آنها در محصولات نرمافزاری تجاری
به اشتراک میگذارند. در سراسر کتاب، آنها کدهای نمونه بسیاری را
نشان می دهند که می توانند به عنوان الگوهای کدهای C-MEX و CUDA
برای پروژه های خوانندگان استفاده شوند.
- نحوه تسریع کدهای MATLAB از طریق GPU برای پردازش موازی، با
حداقل دانش سخت افزاری را نشان می دهد
- پیشینه مربوط به سخت افزار، معماری و برنامه نویسی را برای
سهولت استفاده توضیح می دهد
- نمونه های کار شده ساده ای از کدهای MATLAB و CUDA C و همچنین
قالب هایی را ارائه می دهد که می توانند در پروژه های واقعی
استفاده مجدد شوند.
Beyond simulation and algorithm development, many developers
increasingly use MATLAB even for product deployment in
computationally heavy fields. This often demands that MATLAB
codes run faster by leveraging the distributed parallelism of
Graphics Processing Units (GPUs). While MATLAB successfully
provides high-level functions as a simulation tool for rapid
prototyping, the underlying details and knowledge needed for
utilizing GPUs make MATLAB users hesitate to step into it.
Accelerating MATLAB with GPUs offers a primer on bridging this
gap.
Starting with the basics, setting up MATLAB for CUDA (in
Windows, Linux and Mac OS X) and profiling, it then guides
users through advanced topics such as CUDA libraries. The
authors share their experience developing algorithms using
MATLAB, C++ and GPUs for huge datasets, modifying MATLAB codes
to better utilize the computational power of GPUs, and
integrating them into commercial software products. Throughout
the book, they demonstrate many example codes that can be used
as templates of C-MEX and CUDA codes for readers
projects.
- Shows how to accelerate MATLAB codes through the GPU for
parallel processing, with minimal hardware knowledge
- Explains the related background on hardware, architecture and
programming for ease of use
- Provides simple worked examples of MATLAB and CUDA C codes as
well as templates that can be reused in real-world projects