دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Python parallel programming cookbook: master efficient parallel programming to build powerful applications using Python
دانلود کتاب کتاب آشپزی برنامه نویسی موازی Python: تسلط بر برنامه نویسی موازی کارآمد برای ساخت برنامه های قدرتمند با استفاده از Python
مشخصات کتاب
Python parallel programming cookbook: master efficient parallel programming to build powerful applications using Python
ویرایش:
نویسندگان: Zaccone. Giancarlo
سری: Quick answers to common problems
ISBN (شابک) : 9781785289583, 1785286722
ناشر: Packt Publishing Limited
سال نشر: 2015
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
قیمت کتاب (تومان) : 52,000
در صورت تبدیل فایل کتاب Python parallel programming cookbook: master efficient parallel programming to build powerful applications using Python 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 کتاب آشپزی برنامه نویسی موازی Python: تسلط بر برنامه نویسی موازی کارآمد برای ساخت برنامه های قدرتمند با استفاده از Python 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 کتاب آشپزی برنامه نویسی موازی Python: تسلط بر برنامه نویسی موازی کارآمد برای ساخت برنامه های قدرتمند با استفاده از Python
تسلط بر برنامه نویسی موازی کارآمد برای ساخت برنامه های قدرتمند با استفاده از پایتون درباره این کتاب * طراحی و پیاده سازی نرم افزار موازی کارآمد * تسلط بر تکنیک های برنامه نویسی جدید برای رسیدگی و حل مشکلات برنامه نویسی پیچیده * دنیای برنامه نویسی موازی را با این کتاب که منبعی مفید است کاوش کنید. برای انواع مختلف وظایف محاسباتی موازی در پایتون، با استفاده از مثال‌ها و موضوعاتی که با عمق زیاد پوشش داده شده است کتاب آشپزی برنامه‌نویسی موازی پایتون برای توسعه‌دهندگان نرم‌افزاری است که به خوبی با پایتون آشنا هستند و می‌خواهند از تکنیک‌های برنامه‌نویسی موازی برای نوشتن قدرتمند و کارآمد استفاده کنند. کد این کتاب به شما در تسلط بر اصول اولیه و پیشرفته محاسبات موازی کمک می کند. آنچه یاد خواهید گرفت * همگام سازی چندین رشته و فرآیند برای مدیریت وظایف موازی * پیاده سازی ارتباط ارسال پیام بین فرآیندها برای ساخت برنامه های موازی * کارت های GPU خود را برای رسیدگی به مشکلات پیچیده برنامه ریزی کنید * نهادهای محاسباتی را برای اجرای وظایف محاسباتی توزیع شده مدیریت کنید * با اتخاذ برنامه های کارآمد بنویسید. مدل برنامه نویسی رویداد محور * کاوش فناوری ابر با DJango و Google App Engine * استفاده از تکنیک های برنامه نویسی موازی که می تواند منجر به بهبود عملکرد با جزئیات شود این کتاب تکنیک های برنامه نویسی موازی را با استفاده از مثال هایی در پایتون به شما آموزش می دهد و به شما کمک می کند راه های زیادی را کشف کنید. که در آن می توانید کدی بنویسید که اجازه می دهد بیش از یک فرآیند همزمان اتفاق بیفتد. با معرفی شما به دنیای محاسبات موازی، شروع به پوشش اصول اولیه در پایتون می کند. این امر با کاوش مدل موازی مبتنی بر نخ با استفاده از ماژول رشته‌سازی پایتون با همگام‌سازی نخ‌ها و استفاده از قفل‌ها، mutex، صف‌های سمافورها، GIL و مخزن نخ دنبال می‌شود. در مرحله بعد در مورد موازی سازی مبتنی بر فرآیند به شما آموزش داده می شود که در آن فرآیندها را با استفاده از ارسال پیام و یادگیری در مورد عملکرد ماژول های MPI Python همگام سازی خواهید کرد. سپس به یادگیری asyn خواهید پرداخت
توضیحاتی درمورد کتاب به خارجی
Master efficient parallel programming to build powerful applications using Python About This Book * Design and implement efficient parallel software * Master new programming techniques to address and solve complex programming problems * Explore the world of parallel programming with this book, which is a go-to resource for different kinds of parallel computing tasks in Python, using examples and topics covered in great depth Who This Book Is For Python Parallel Programming Cookbook is intended for software developers who are well versed with Python and want to use parallel programming techniques to write powerful and efficient code. This book will help you master the basics and the advanced of parallel computing. What You Will Learn * Synchronize multiple threads and processes to manage parallel tasks * Implement message passing communication between processes to build parallel applications * Program your own GPU cards to address complex problems * Manage computing entities to execute distributed computational tasks * Write efficient programs by adopting the event-driven programming model * Explore the cloud technology with DJango and Google App Engine * Apply parallel programming techniques that can lead to performance improvements In Detail This book will teach you parallel programming techniques using examples in Python and will help you explore the many ways in which you can write code that allows more than one process to happen at once. Starting with introducing you to the world of parallel computing, it moves on to cover the fundamentals in Python. This is followed by exploring the thread-based parallelism model using the Python threading module by synchronizing threads and using locks, mutex, semaphores queues, GIL, and the thread pool. Next you will be taught about process-based parallelism where you will synchronize processes using message passing along with learning about the performance of MPI Python Modules. You will then go on to learn the asyn
فهرست مطالب
""Cover""
""Copyright""
""Credits""
""About the Author""
""About the Reviewers""
""www.PacktPub.com""
""Table of Contents""
""Preface""
""Chapter 1: Getting Started with Parallel Computing and Python""
""Introduction""
""The parallel computing memory architecture""
""Memory organization""
""Parallel programming models""
""How to design a parallel program""
""How to evaluate the performance of a parallel program""
""Introducing Python""
""Python in a parallel world""
""Introducing processes and threads""
""Start working with processes in Python"" ""Start working with threads in Python""""Chapter 2: Thread-based Parallelism""
""Introduction""
""Using the Python threading module""
""How to define a thread""
""How to determine the current thread""
""How to use a thread in a subclass""
""Thread synchronization with Lock and RLock""
""Thread synchronization with RLock""
""Thread synchronization with semaphores""
""Thread synchronization with a condition""
""Threads synchronization with an event""
""Using the with statement""
""Thread communication using a queue""
""Evaluating the performance of multithread applications"" ""Chapter 3: Process-based Parallelism""""Introduction""
""How to spawn a process""
""How to name a process""
""How to run a process in the background""
""How to kill a process""
""How to use process in a subclass""
""How to exchange objects between processes""
""How to synchronize processes""
""How to manage a state between processes""
""How to use a process pool""
""Using the mpi4py Python module""
""Point-to-point communication""
""Avoiding deadlock problems""
""Collective communication using broadcast""
""Collective communication using scatter"" ""Collective communication using gather""""Collective communication using Alltoall""
""The reduction operation""
""How to optimize the communication""
""Chapter 4: Asynchronous Programming""
""Introduction""
""Using the concurrent.futures Python modules""
""Event loop management with Asyncio""
""Handling coroutines with Asyncio""
""Task manipulation with Asyncio""
""Dealing with Asyncio and Futures""
""Chapter 5: Distributed Python""
""Introduction""
""Using Celery to distribute tasks""
""How to create a task with Celery""
""Scientific computing with SCOOP"" ""Handling map functions with SCOOP""""Remote Method Invocation with Pyro4""
""Chaining objects with Pyro4""
""Developing a client-server application with Pyro4""
""Communicating sequential processes with PyCSP""
""Using MapReduce with Disco""
""A remote procedure call with RPyC""
""Chapter 6: GPU Programming with Python""
""Introduction""
""Using the PyCUDA module""
""How to build a PyCUDA application""
""Understanding the PyCuda memory model with matrix manipulation""
""Kernel invocations with GPUArray""
""Evaluating element-wise expressions with PyCUDA""
