دانلود کتاب Programming Massively Parallel Processors: A Hands-on Approach
دسته: برنامه نويسي
کتاب برنامه نویسی پردازنده های موازی گسترده: رویکرد عملی نسخه زبان اصلی
دانلود کتاب برنامه نویسی پردازنده های موازی گسترده: رویکرد عملی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Programming Massively Parallel Processors: A Hands-on Approach
نام کتاب : Programming Massively Parallel Processors: A Hands-on Approach
ویرایش : 1
عنوان ترجمه شده به فارسی : برنامه نویسی پردازنده های موازی گسترده: رویکرد عملی
سری :
نویسندگان : David B. Kirk, Wen-mei W. Hwu
ناشر : Morgan Kaufmann
سال نشر : 2010
تعداد صفحات : 279
ISBN (شابک) : 0123814723 , 9780123814722
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 5 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 :
پردازنده‌های چند هسته‌ای دیگر آینده محاسباتی نیستند، بلکه واقعیت امروزی هستند. یک CPU معمولی تولید انبوه دارای چندین هسته پردازنده است، در حالی که یک GPU (واحد پردازش گرافیک) ممکن است صدها یا حتی هزاران هسته داشته باشد. با ظهور معماری‌های چند هسته‌ای، نیاز به آموزش یک مهارت جدید و ضروری به برنامه‌نویسان پیشرفته ایجاد شده است: نحوه برنامه‌نویسی پردازنده‌های موازی انبوه. برنامه نویسی پردازشگرهای موازی انبوه: یک رویکرد عملی، مفاهیم اساسی برنامه نویسی موازی و معماری GPU را به دانشجویان و حرفه ای ها به طور یکسان نشان می دهد. تکنیک های مختلف برای ساخت برنامه های موازی به تفصیل مورد بررسی قرار گرفته است. مطالعات موردی فرآیند توسعه را نشان می دهد که با تفکر محاسباتی شروع می شود و با برنامه های موازی موثر و کارآمد خاتمه می یابد. تفکر محاسباتی و تکنیک‌های حل مسئله را آموزش می‌دهد که محاسبات موازی با کارایی بالا را تسهیل می‌کند. از CUDA (معماری یکپارچه دستگاه محاسبه)، ابزار توسعه نرم‌افزار NVIDIA که به‌طور خاص برای محیط‌های بسیار موازی ایجاد شده است، استفاده می‌کند. به شما نشان می‌دهد که چگونه با استفاده از کارایی بالا و قابلیت اطمینان بالا به دست آورید. مدل برنامه نویسی CUDA و همچنین OpenCL.
فهرست مطالب :
Content: Introduction --
History of GPU computing --
Introduction to CUDA --
CUDA threads --
CUDA memories --
Performance considerations --
Floating point considerations --
Application case study : advanced MRI reconstruction --
Application case study : molecular visualization and analysis --
Parallel programming and computational thinking --
A brief introduction to OpenCL --
Conclusion and future outlook --
Appendix A: Matrix multiplication host-only version source code --
Appendix B: GPU compute capabilities.
Abstract:
With the rise of multi-core architectures has come the need to teach advanced programmers a new and essential skill: how to program massively parallel processors. This book shows both student and professional the basic concepts of parallel programming and GPU architecture. �Read more...
توضیحاتی در مورد کتاب به زبان اصلی :
Multi-core processors are no longer the future of computing-they are the present day reality. A typical mass-produced CPU features multiple processor cores, while a GPU (Graphics Processing Unit) may have hundreds or even thousands of cores. With the rise of multi-core architectures has come the need to teach advanced programmers a new and essential skill: how to program massively parallel processors. Programming Massively Parallel Processors: A Hands-on Approach shows both student and professional alike the basic concepts of parallel programming and GPU architecture. Various techniques for constructing parallel programs are explored in detail. Case studies demonstrate the development process, which begins with computational thinking and ends with effective and efficient parallel programs. Teaches computational thinking and problem-solving techniques that facilitate high-performance parallel computing.Utilizes CUDA (Compute Unified Device Architecture), NVIDIA's software development tool created specifically for massively parallel environments.Shows you how to achieve both high-performance and high-reliability using the CUDA programming model as well as OpenCL.
پست ها تصادفی