《GPU高性能运算之CUDA》我们的书总算出来了

GPU 高性能编程 CUDA : 流 对于大规模数据的并行运算,GPU上的执行性能远高于 CPU 上的性能,除此之外, NVIDAI 图像处理器还支持另一种类型的并行性,类似于 CPU 的多线程应用程序中的任务并行性。任务并行性是指并行执行两个或者多个任务,而不是在大量数据上执行同一个任务。页锁定主页内存之前都是使用 cudaMalloc() 在 GPU 上分配内存,以及通过标准 C 库函数 malloc() 在主机上分配内存除此之外... 阅读详情

未标题-3

http://www.dearbook.com.cn/book/255585

http://www.china-pub.com/48582&ref=ps

http://product.dangdang.com/product.aspx?product_id=20705176

http://product.dangdang.com/product.aspx?product_id=20705187

http://www.amazon.cn/mn/detailApp/ref=sr_1_1?_encoding=UTF8&s=books&qid=1257088907&asin=B002U848C6&sr=1-1

历时应该有一年多时间,从最开始组织吆喝一群朋友帮忙写书,到中途一些事情的变故,再到后来张舒和艳利同学的不懈努力,终于经历一年多的时间把这本书完成了。

张舒和艳利在书的编写中作出的不懈努力值得我好好学习。张钰博同学已经去了UC 戴维斯 读博士,非常感谢晓炜同学那天能收留我在他们宿舍过夜,也是在那天晚上和张钰博同学聊到了CPU加速,聊到了GPU加速,聊到了CUDA,也才有了最终的这本书。很感谢张钰博同学能带我进入GPU的世界,也是沾了浙大的光……

对于这本书,对晓炜同学深表歉意,对boss来说也深表歉意。

这一年的光影仿佛历历在目,百感交集,有好多话想讲,却不知道从哪里开始。

生活,学习,工作……

继往开来,步步为营,踏踏实实,是对自己的督促,也是给朋友们的勉励。

CUDA让我结识了很多朋友,从全国的巡讲:

广州 (2009年3月28日,星期六) 华南理工大学 A4204/学术报告厅(圆满结束)
成都 (2009年4月11日,星期六) 电子科技大学 清水河基础教学楼B213(圆满结束)
武汉 (2009年4月23日,星期四) 华中科技大学 华中科技大学一号楼报告厅(圆满结束)
武汉 (2009年4月21日,星期二) 武汉大学 武汉大学莱卡厅(圆满结束)
合肥 (2009年4月25日,星期六) 合肥工业大学 南校区学术报告厅一楼大厅(圆满结束)
合肥 (2009年4月27日,星期一) 中国科技大学 西区活动中心学术报告厅(圆满结束)

到中科院的GPU研讨会:

再到Nvidia的GTC全球研讨会;

查看自己Email收发的CUDA相关的问题,超过几千封~回答过不止上千个的问题……

很感谢优快云能给我提供这样的平台,也很感谢Nvidia的,邓老师,魏鸣,谢强,还有很多帮助过我的朋友,由衷的感谢……

中科院的葛蔚老师,张云泉老师,王龙博士,万宁博士,张先轶同学,陈实同学,刘伟峰...还有很多中科交流的时候认识的老师,同学……

清华的邓仰东老师……

还要感谢浪潮公司能给我和很多公司企业交流的机会,感谢王总,刘总对我的支持,还有team里面的兄弟的支持……;

在GTC遇到的联想的中国和俄罗斯大区的VP,魏总,也是我北理工的师兄,对我的鼓励,还有史博士,真的好感激……

吉星吉达的佟小龙……

全国各地好多的老师,同学,朋友……

还有国外的朋友……

还有找我写作业的国外的同学……让我知道了,不只是有国内的同学有找别人帮忙写作业的情况,其实全世界都有~~只是多少问题……

还有台湾国立中正大学电机所得 陈永维 同学,到香港来旅游的时候,还送我一盒月饼,真的好感谢……

还有参加GTC的时候送书给我的Steve Worley,虽然我知道他看不懂中文……

还有这一年来一直陪在我身边的朋友……

由于CUDA,我认识了好多好多的朋友,非常感谢,是你们的鼓励和支持,才让我感觉到了温暖……谢谢!

CUDA GPU高性能运算 阅读详情

相关推荐

《GPU高性能编程CUDA实战》—— 《笔记三》——点积运算

点积运算 注释都已经写在代码里面了 需要注意的问题:1.数的个数超过了thread的总数,所以thread有个递增,每个thread要计算多个数 2.点积的运算结果是标量,两个输入矢量中相应元素相乘之后,不是将值保存到第三个输出矢量中,而是将这些值相加得到一个标量输出值。 //***************************点积运算****************// /*

Zender 835

《GPU高性能运算之CUDA》勘误表

这是我们《GPU高性能运算之CUDA》一书的勘误表,多谢读者朋友的反馈与分享~~   Normal 0 7.8 磅 0 2 false false false MicrosoftI

小北的家 6797

CUDA编程实例:GPU高性能计算实战代码

CUDA(Compute Unified Device Architecture)是NVIDIA推出的并行计算平台和编程模型。通过利用NVIDIA的GPU(图形处理单元)的强大计算能力,CUDA可以执行大规模并行计算,显著提高复杂计算任务的处理速度。它支持C、C++和Fortran等语言,并允许开发者直接使用GPU进行高性能计算。

weixin_32921023的博客 681

推荐几本书---GPU,并行算法,多核

《并行算法导论》《快速算法与并行型号处理》《并行程序设计C、MPI与OpenMPI》《多核程序设计》 《多核程序设计技术---通过软件多线程提升性能》《软件优化技术---IA-32平台的高性能手册》《Win32的多线程程序设计》《GPU编程精粹1》《GPU编程精粹2》《GPU编程精粹3》《Cg tutorial》

OpenHero 开勇 1万+

CUDA学习书籍 + 深入理解计算机系统(原书第三版3)

CUDA并行程序设计 GPU编程指南; CUDA范例精解通用GPU编程; GPU高性能编程CUDA实战; GPU高性能运算之CUDA 深入理解计算机系统(原书第三版)下载链接

《GPU高性能计算之CUDA》实例

《GPU高性能计算之CUDA》实例。 GPU高性能计算系列丛书的第一本《GPU高性能计算之CUDA》已经出版,由张舒,褚艳利,赵开勇,张钰勃所编写。本书除了详细介绍了CUDA的软硬件架构以及C for CUDA程序开发和优化的策略外,还包含有大量的实例供读者学习参考用。 下表是各个实例的介绍列表。 文件夹 对应书中章节 备注 ACsearch_DPPcompact_with_driver 5.2.2 AC多模式匹配算法 asyncAPI 2.5 异步API调用示例 bandwidthTest 2.3.6 带宽测试 Bitonic 5.1.1 双调排序网络 conjugateGradient 5.2.1 共轭梯度算法,CUBLAS实现 cudaMPI 2.7.3 CUDA+MPI管理GPU集群 cudaOpenMP 2.7.2 CUDA+OpenMP管理多GPU deviceQuery 2.1.4 设备查询 histKernel 2.4.3 亮度直方图统计 matrixAssign 2.1.4 矩阵赋值 matrixMul 4.7.1 矩阵乘法,利用shared memory matrixMul_Berkeley 4.7.1 矩阵乘法,利用register reduction 4.7.2 并行归约(缩减)程序 scan 5.1.2 Scan算法,例如计算前缀和 scanLargeArray 5.1.2 Scan算法,可以处理大数组 simpleCUBLAS 5.1.3 CUBLAS库的简单应用 simpleCUFFT 5.1.4 CUFFT库的简单应用 simpleD3D9 2.6.2 CUDA与Direct3D 9互操作 simpleD3D10 2.6.2 CUDA与Direct3D10互操作 simpleGL 2.6.1 CUDA与OpenGL互操作 simpleMultiGPU 2.7.1 多设备控制 simpleStreams 2.5.2 流的使用演示 simpleTexture 2.3.8 简单的纹理使用 simpleTextureDrv 2.3.8 简单的纹理使用,驱动API 实现 sortingNetworks 5.1.1 双调排序网络,处理大数组 threadMigration 2.7.1 通过上下文管理和设备管理功能实现多设备并行计算 timing 4.2.1 设备端测时 transpose 4.7.3 矩阵转置 transposeDiagonal 4.7.3 矩阵转置,考虑partition conflict VectorAdd 2.2.3/2.3.4 矢量加 VectorAddDrv 2.2.3/2.3.4 矢量加,驱动API实现 【备注】以上工程,均在Windows XP 64-bit + Tesla C1060 + CUDA 2.3 + VS2005环境下测试通过。

计算机经典书籍之程序设计语言

  【Java】Java编程规范(第三版)---Java四大名著----JamesGosling(Java之父)【原 书 名】 The Java Language Specification (3rd Edition)【原出版社】 Addison-Wesley【作  者】(美)James Gosling,Bill Joy,

狼の禅境 3432

《GPU高性能运算之CUDA》-张舒-源代码

包含全部《GPU高性能计算之CUDA》一书的源代码,值得一看。

关于GPU,CUDA,cuDNN

关于GPU,CUDA,cuDNN

猛犸象 2211

CUDA matrixmul

矩阵相乘的并行计算,运用CUDA C进行并行加速,对于大规模矩阵相乘有很高的加速比

Python并发编程GPU

还压缩包里面包含了Python并发编程PDF文档与配套代码Code,适合当今深度学习GPU并发分布式计算,欢迎大家下载学习。

高性能计算:GPU加速与CUDA编程

1.背景介绍 高性能计算(High Performance Computing, HPC)是指通过并行计算和高性能计算系统来解决复杂的科学和工程问题的计算方法。高性能计算通常涉及到大量的数据处理和计算,需要大量的计算资源和时间来完成。因此,提高计算效率和性能成为了高性能计算的关键。 GPU(Graphics Processing Unit)是计算机图形处理器的一种,主要用于处理图形和计算任务。...

AI天才研究院 1462

cuda入门书

清晰易懂的, 适合入门, (《CUDA By Example》)有很多示例code,是学习CUDA的好资源。

【GPU】CUDA、OpenCL、OpenMP、OpenACC等并行运算框架区别

是一个类似于OpenMP的编程接口,专门为加速器(如GPU)设计。它通过使用编译制导语句来简化并行计算的编程工作,让开发者能够更容易地将计算任务迁移到加速器上执行。OpenACC的目标是降低使用加速器进行高性能计算的技术门槛,使非专家也能有效地利用这些资源。版本更新很快,但仅限N卡。OpenCL跨平台,社区貌似不太活跃,更新不如CUDA。:适合需要快速将CPU代码移植到GPU上的并行计算任务。主要是针对CPU,最近开始支持GPU了,SIMT(线程网格)

我的笔记本 2084

使用cuda优化AES加密算法

使用CUDA技术优化AES加密算法,包括解密与加密两部分内容,定义核函数测试代码与CPU下执行的代码,可以比较执行速度。

Halcon —— 图像像素类型与转换

图像类型 就目前工业领域主流的图像处理工具halcon来讲,有以下几张图像类型:‘byte’, ‘complex’, ‘cyclic’, ‘direction’, ‘int1’, ‘int2’, ‘int4’, ‘int8’, ‘real’, ‘uint2’,具体含义如下图所示。相互间的转换可通过convert_image_type算子完成,但盲目转换会导致图像像素值异常。 ‘byte’ 每像素1字节,无符号 值范围: (0到255) ‘int1’ 每像素1字节,有符号 值范围: (-128到127) ‘

baidu_35536188的博客 1万+
上一篇: 10. CUDA cosnstant使用(一)------GPU的革命
下一篇: OpenCL之我心得
OpenHero
博客等级 码龄23年 2276粉丝 226原创
评论 13
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值