CUDA Fortran for Scientists and Engineers. Best Practices for Efficient CUDA Fortran Programming

CUDA Fortran برای دانشمندان و مهندسان نشان می‌دهد که چگونه توسعه‌دهندگان برنامه‌های کاربردی با عملکرد بالا می‌توانند با استفاده از Fortran، زبان آشنای محاسبات علمی و معیار عملکرد ابررایانه، از قدرت پردازنده‌های گرافیکی استفاده کنند. نویسندگان هیچ تجربه محاسباتی موازی قبلی را فرض نمی‌کنند و اصول اولیه را همراه با بهترین روش‌ها برای محاسبات GPU کارآمد با استفاده از CUDA Fortran پوشش می‌دهند.

برای کمک به اضافه کردن CUDA Fortran به کدهای فرترن موجود، این کتاب نحوه درک معماری GPU هدف، شناسایی بخش های محاسباتی فشرده کد، و اصلاح کد برای مدیریت داده ها و موازی سازی و بهینه سازی عملکرد را توضیح می دهد. . همه اینها در فرترن انجام می شود، بدون اینکه نیازی به بازنویسی به زبان دیگری باشد. هر مفهوم با مثال های واقعی نشان داده شده است، بنابراین شما می توانید بلافاصله عملکرد کد خود را در مقایسه ارزیابی کنید.

• از قدرت محاسبات GPU با کامپایلر CUDA Fortran PGI استفاده کنید
• بینش به دست آورید. از اعضای تیم توسعه زبان CUDA Fortran
• شامل برنامه نویسی چند GPU در CUDA Fortran، که هر دو رویکرد همتا به نظیر و رابط ارسال پیام (MPI) را پوشش می دهد
• شامل منبع کامل کد برای همه نمونه ها و چندین مطالعه موردی
• دانلود کد منبع و اسلایدها از وب سایت همراه کتاب

CUDA Fortran for Scientists and Engineers shows how high-performance application developers can leverage the power of GPUs using Fortran, the familiar language of scientific computing and supercomputer performance benchmarking. The authors presume no prior parallel computing experience, and cover the basics along with best practices for efficient GPU computing using CUDA Fortran.

To help you add CUDA Fortran to existing Fortran codes, the book explains how to understand the target GPU architecture, identify computationally intensive parts of the code, and modify the code to manage the data and parallelism and optimize performance. All of this is done in Fortran, without having to rewrite in another language. Each concept is illustrated with actual examples so you can immediately evaluate the performance of your code in comparison.

• Leverage the power of GPU computing with PGI's CUDA Fortran compiler
• Gain insights from members of the CUDA Fortran language development team
• Includes multi-GPU programming in CUDA Fortran, covering both peer-to-peer and message passing interface (MPI) approaches
• Includes full source code for all the examples and several case studies
• Download source code and slides from the book's companion website