توضیحاتی در مورد کتاب Accelerating MATLAB with GPU Computing A Primer with Examples
نام کتاب : Accelerating MATLAB with GPU Computing A Primer with Examples
عنوان ترجمه شده به فارسی : سرعت بخشیدن به MATLAB با GPU Computing A Primer with Examples
سری :
نویسندگان : Jung W. Suh, Youngmin Kim
ناشر : Morgan Kaufmann
سال نشر : 2013
تعداد صفحات : 245
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 24 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
فراتر از شبیه سازی و توسعه الگوریتم، بسیاری از توسعه دهندگان به طور فزاینده ای از MATLAB حتی برای استقرار محصول در زمینه های محاسباتی سنگین استفاده می کنند. این اغلب مستلزم آن است که کدهای MATLAB با استفاده از موازی سازی توزیع شده واحدهای پردازش گرافیکی (GPU) سریعتر اجرا شوند. در حالی که متلب با موفقیت توابع سطح بالا را به عنوان یک ابزار شبیه سازی برای نمونه سازی سریع فراهم می کند، جزئیات اساسی و دانش مورد نیاز برای استفاده از پردازنده های گرافیکی باعث می شود کاربران متلب در ورود به آن تردید داشته باشند. تسریع MATLAB با پردازندههای گرافیکی، مقدمهای برای پر کردن این شکاف است.
با شروع، راهاندازی MATLAB برای CUDA (در ویندوز، لینوکس و Mac OS X) و نمایهسازی، سپس کاربران را از طریق موضوعات پیشرفته مانند کتابخانههای CUDA راهنمایی میکند. نویسندگان تجربه خود را در توسعه الگوریتمهایی با استفاده از متلب، C و GPU برای مجموعه دادههای عظیم، اصلاح کدهای متلب برای استفاده بهتر از قدرت محاسباتی GPUها و ادغام آنها در محصولات نرمافزاری تجاری به اشتراک میگذارند. در سراسر کتاب، آنها کدهای نمونه بسیاری را نشان می دهند که می توانند به عنوان الگوهای کدهای C-MEX و CUDA برای پروژه های خوانندگان استفاده شوند.
- نحوه تسریع کدهای متلب از طریق GPU برای پردازش موازی، با حداقل دانش سخت افزاری را نشان می دهد
- پیشینه مربوط به سخت افزار، معماری و برنامه نویسی را برای سهولت استفاده توضیح می دهد
- نمونه های ساده کار شده MATLAB و CUDA C را ارائه می دهد کدها و همچنین قالب هایی که می توانند در پروژه های دنیای واقعی دوباره استفاده شوند
توضیحاتی در مورد کتاب به زبان اصلی :
Beyond simulation and algorithm development, many developers increasingly use MATLAB even for product deployment in computationally heavy fields. This often demands that MATLAB codes run faster by leveraging the distributed parallelism of Graphics Processing Units (GPUs). While MATLAB successfully provides high-level functions as a simulation tool for rapid prototyping, the underlying details and knowledge needed for utilizing GPUs make MATLAB users hesitate to step into it. Accelerating MATLAB with GPUs offers a primer on bridging this gap.
Starting with the basics, setting up MATLAB for CUDA (in Windows, Linux and Mac OS X) and profiling, it then guides users through advanced topics such as CUDA libraries. The authors share their experience developing algorithms using MATLAB, C++ and GPUs for huge datasets, modifying MATLAB codes to better utilize the computational power of GPUs, and integrating them into commercial software products. Throughout the book, they demonstrate many example codes that can be used as templates of C-MEX and CUDA codes for readers projects.
- Shows how to accelerate MATLAB codes through the GPU for parallel processing, with minimal hardware knowledge
- Explains the related background on hardware, architecture and programming for ease of use
- Provides simple worked examples of MATLAB and CUDA C codes as well as templates that can be reused in real-world projects