ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Data Parallel C++ : Programming Accelerated Systems Using C++ and SYCL

دانلود کتاب داده های موازی C: برنامه نویسی سیستم های شتاب با استفاده از C و SYCL

Data Parallel C++ : Programming Accelerated Systems Using C++ and SYCL

مشخصات کتاب

Data Parallel C++ : Programming Accelerated Systems Using C++ and SYCL

ویرایش:  
نویسندگان: , , , , ,   
سری:  
ISBN (شابک) : 9781484296912, 9781484296905 
ناشر: Apress 
سال نشر: 2023 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 47 مگابایت 

قیمت کتاب (تومان) : 66,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Data Parallel C++ : Programming Accelerated Systems Using C++ and SYCL 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 داده های موازی C: برنامه نویسی سیستم های شتاب با استفاده از C و SYCL 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.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

Cover
Front Matter
1. Introduction
2. Where Code Executes
3. Data Management
4. Expressing Parallelism
5. Error Handling
6. Unified Shared Memory
7. Buffers
8. Scheduling Kernels and Data Movement
9. Communication and Synchronization
10. Defining Kernels
11. Vectors and Math Arrays
12. Device Information and Kernel Specialization
13. Practical Tips
14. Common Parallel Patterns
15. Programming for GPUs
16. Programming for CPUs
17. Programming for FPGAs
18. Libraries
19. Memory Model and Atomics
20. Backend Interoperability
21. Migrating CUDA Code
Back Matter




نظرات کاربران