دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Performance Analysis and Tuning for General Purpose Graphics Processing Units (Synthesis Lectures on Computer Architecture)
دانلود کتاب تجزیه و تحلیل عملکرد و تنظیم برای واحدهای پردازش گرافیکی همه منظوره (سخنرانی ترکیبی در معماری کامپیوتر)
مشخصات کتاب
Performance Analysis and Tuning for General Purpose Graphics Processing Units (Synthesis Lectures on Computer Architecture)
ویرایش: Illustrated نویسندگان: Hyesoon Kim, Richard Vuduc, Sara Baghsorkhi, Jee Choi, Wen-mei Hwu سری: Synthesis Lectures on Computer Architecture #20 ISBN (شابک) : 1608459543, 9781608459544 ناشر: Morgan & Claypool Publishers سال نشر: 2012 تعداد صفحات: 98 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 مگابایت
قیمت کتاب (تومان) : 50,000
در صورت تبدیل فایل کتاب Performance Analysis and Tuning for General Purpose Graphics Processing Units (Synthesis Lectures on Computer Architecture) 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 تجزیه و تحلیل عملکرد و تنظیم برای واحدهای پردازش گرافیکی همه منظوره (سخنرانی ترکیبی در معماری کامپیوتر) 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 در مورد کتاب تجزیه و تحلیل عملکرد و تنظیم برای واحدهای پردازش گرافیکی همه منظوره (سخنرانی ترکیبی در معماری کامپیوتر)
واحدهای پردازش گرافیکی همه منظوره (GPGPU) به عنوان یک کلاس مهم از معماری‌های پردازش موازی حافظه مشترک، با استقرار گسترده در هر کلاس کامپیوتری، از ابررایانه‌های سطح بالا تا پلتفرم‌های تلفن همراه جاسازی شده، ظهور کرده‌اند. نسبت به سیستم‌های چند هسته‌ای سنتی‌تر امروزی، GPGPUها دارای درجات متفاوتی از چند رشته‌ای سخت‌افزاری (صدها زمینه سخت‌افزاری در مقابل ده‌ها)، بازگشت به واحدهای برداری گسترده (چند ده در مقابل 1-10)، معماری‌های حافظه هستند که اوج بالاتری را ارائه می‌کنند. پهنای باند حافظه (صدها گیگابایت در ثانیه در مقابل ده‌ها) و حافظه‌های کش/اسکراچ‌پد کوچک‌تر (کمتر از 1 مگابایت در مقابل 1-10 مگابایت). در این کتاب، ما یک نمای کلی از معماری‌های فعلی GPGPU و مدل‌های برنامه‌نویسی ارائه می‌کنیم. ما اصولی را که در پلتفرم‌های موازی حافظه مشترک قبلی استفاده می‌شد، با تمرکز بر نتایج اخیر در تئوری و عمل الگوریتم‌های موازی مرور می‌کنیم و اتصال به پلتفرم‌های GPGPU را پیشنهاد می‌کنیم. هدف ما ارائه نکاتی به معماران در مورد درک جنبه الگوریتم GPGPU است. ما همچنین تجزیه و تحلیل دقیق عملکرد را ارائه می دهیم و بهینه سازی ها را از الگوریتم های سطح بالا به بهینه سازی سطح دستورالعمل های سطح پایین هدایت می کنیم. به عنوان یک مطالعه موردی، ما از شبیه سازی ذرات بدنه n که به عنوان روش چند قطبی سریع (FMM) شناخته می شود، به عنوان مثال استفاده می کنیم. ما همچنین به طور خلاصه به بررسی پیشرفته ترین ابزارها و تکنیک های تجزیه و تحلیل عملکرد GPU می پردازیم. فهرست مطالب: طراحی، برنامه نویسی و روندهای GPU / اصول عملکرد / از اصول تا تمرین: تجزیه و تحلیل و تنظیم / استفاده از تجزیه و تحلیل دقیق عملکرد برای هدایت بهینه سازی
توضیحاتی درمورد کتاب به خارجی
General-purpose graphics processing units (GPGPU) have emerged as an important class of shared memory parallel processing architectures, with widespread deployment in every computer class from high-end supercomputers to embedded mobile platforms. Relative to more traditional multicore systems of today, GPGPUs have distinctly higher degrees of hardware multithreading (hundreds of hardware thread contexts vs. tens), a return to wide vector units (several tens vs. 1-10), memory architectures that deliver higher peak memory bandwidth (hundreds of gigabytes per second vs. tens), and smaller caches/scratchpad memories (less than 1 megabyte vs. 1-10 megabytes). In this book, we provide a high-level overview of current GPGPU architectures and programming models. We review the principles that are used in previous shared memory parallel platforms, focusing on recent results in both the theory and practice of parallel algorithms, and suggest a connection to GPGPU platforms. We aim to provide hints to architects about understanding algorithm aspect to GPGPU. We also provide detailed performance analysis and guide optimizations from high-level algorithms to low-level instruction level optimizations. As a case study, we use n-body particle simulations known as the fast multipole method (FMM) as an example. We also briefly survey the state-of-the-art in GPU performance analysis tools and techniques. Table of Contents: GPU Design, Programming, and Trends / Performance Principles / From Principles to Practice: Analysis and Tuning / Using Detailed Performance Analysis to Guide Optimization
