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: Richard Ansorge
سری:
ISBN (شابک) : 9781108479530, 9781108855273
ناشر: Cambridge University Press
سال نشر: 2022
تعداد صفحات: 474
[477]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 Mb
در صورت تبدیل فایل کتاب Programming in Parallel with CUDA: A Practical Guide 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 برنامه نویسی موازی با CUDA: راهنمای عملی 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.
CUDA اکنون زبان غالبی است که برای برنامه نویسی GPU ها، یکی از هیجان انگیزترین پیشرفت های سخت افزاری دهه های اخیر استفاده می شود. با CUDA، میتوانید از یک رایانه رومیزی برای کارهایی استفاده کنید که قبلاً به یک دسته بزرگ از رایانههای شخصی یا دسترسی به یک مرکز HPC نیاز داشت. در نتیجه، CUDA به طور فزاینده ای در محاسبات علمی و فنی در کل جامعه STEM، از فیزیک پزشکی و مدل سازی مالی گرفته تا برنامه های کاربردی داده های بزرگ و فراتر از آن، اهمیت دارد. این کتاب منحصر به فرد در مورد CUDA از اشتیاق و تجربه طولانی نویسنده در توسعه و استفاده از رایانه برای به دست آوردن و تجزیه و تحلیل داده های علمی استفاده می کند. نتیجه یک متن خلاقانه است که دارای مجموعهای از نمونههای بسیار غنیتر از هر کتاب مشابه دیگری در مورد محاسبات GPU است. توجه زیادی به سبک کدنویسی C++ شده است که فشرده، زیبا و کارآمد است. یک پایه کد از نمونهها و مواد پشتیبان به صورت آنلاین در دسترس است که خوانندگان میتوانند برای پروژههای خود از آن استفاده کنند.
CUDA is now the dominant language used for programming GPUs, one of the most exciting hardware developments of recent decades. With CUDA, you can use a desktop PC for work that would have previously required a large cluster of PCs or access to a HPC facility. As a result, CUDA is increasingly important in scientific and technical computing across the whole STEM community, from medical physics and financial modelling to big data applications and beyond. This unique book on CUDA draws on the author's passion for and long experience of developing and using computers to acquire and analyse scientific data. The result is an innovative text featuring a much richer set of examples than found in any other comparable book on GPU computing. Much attention has been paid to the C++ coding style, which is compact, elegant and efficient. A code base of examples and supporting material is available online, which readers can build on for their own projects.
Contents Preface 1. Introduction to GPU Kernels and Hardware 2. Thinking and Coding in Parallel 3. Warps and Cooperative Groups 4. Parallel Stencils 5. Textures 6. Monte Carlo Applications 7. Concurrency Using CUDA Streams and Events 8 Application to PET Scanners 9. Scaling Up 10. Tools for Profiling and Debugging 11. Tensor Cores Appendix A. A Brief History of CUDA Appendix B. Atomic Operations Appendix C. The NVCC Compiler Appendix D. AVX and the Intel Compiler Appendix E. Number Formats Appendix F. CUDA Documentation and Libraries Appendix G. The CX Header Files Appendix H. AI and Python Appendix I. Topics in C++ Index