Книга предлагает быстрое погружение в программирование GPU. Вы узнаете, как применять закон Амдала, использовать профилировщик для определения узких мест в коде на Python, настроить окружения для программирования GPU. По мере чтения вы будете запускать свой код на GPU и писать полноценные ядра и функции на CUDA C, научитесь отлаживать код при помощи NSight IDE и получите представление об известных библиотеках от NVIDIA, в частности cuFFT и cuBLAS. Вооружившись этими знаниями, вы сможете написать с нуля глубокую нейронную сеть, использующую GPU, и изучить более основательные темы. Книга предназначена для разработчиков и специалистов по обработке данных, которые хотят познакомиться с основами эффективного программирования GPU для улучшения быстродействия, используя программирование на Python. Желательно общее знакомство с базовыми понятиями математики и физики, а также опыт программирования на Python и любом основанном на С языке программирования.
Установка драйверов для GPU.
Если у вас уже установлены драйверы для GPU, то можете смело пропустить данный шаг. Кроме того, некоторые версии CUDA уже содержат в себе необходимые драйверы. Довольно часто CUDA бывает чересчур требовательной к версии определенного драйвера и может отказываться работать с другим, по- этому, возможно, вам придется немного поэкспериментировать, прежде чем отыщется работающий. Честно говоря, Windows отличается от Linux лучшей совместимостью драй- веров и более дружественной их установкой. Однако к пользователям Windows этот поиск не относится, так как они могут использовать тот драйвер, который шел в комплекте к CUDA Toolkit. Его установкой мы займемся несколько позднее, а пока настоятельно рекомендуем пользователям Linux (особенно владельцам ноутбуков) по порядку выполнить все требования, содержащиеся в данном разделе.
Содержание.
Об авторе.
О рецензенте.
Предисловие.
Глава 1.Почему программирование GPU?
Глава 2.Настройка окружения для программирования GPU.
Глава 3.Начало работы с PyCUDA.
Глава 4.Ядра, нити, блоки и сетки.
Глава 5.Потоки, события, контексты и одновременность.
Глава 6.Отладка и профилирование вашего кода на CUDA.
Глава 7.Использование библиотек CUDA вместе со Scikit-CUDA.
Глава 8.Библиотеки функций для GPU CUDA и Thrust.
Глава 9.Реализация глубокой нейросети.
Глава 10.Работа с компилированным кодом для GPU.
Глава 11.Оптимизация быстродействия в CUDA.
Глава 12.Куда идти далее?
Ответы на вопросы.
Предметный указатель.
Купить .
По кнопкам выше и ниже «Купить бумажную книгу» и по ссылке «Купить» можно купить эту книгу с доставкой по всей России и похожие книги по самой лучшей цене в бумажном виде на сайтах официальных интернет магазинов Лабиринт, Озон, Буквоед, Читай-город, Литрес, My-shop, Book24, Books.ru.
По кнопке «Купить и скачать электронную книгу» можно купить эту книгу в электронном виде в официальном интернет магазине «ЛитРес», и потом ее скачать на сайте Литреса.
По кнопке «Найти похожие материалы на других сайтах» можно найти похожие материалы на других сайтах.
On the buttons above and below you can buy the book in official online stores Labirint, Ozon and others. Also you can search related and similar materials on other sites.
Хештеги: #Тоуманен :: #книги по программированию :: #программирование :: #Python :: #CUDA
Смотрите также учебники, книги и учебные материалы:
- Профессиональный бенчмарк, Искусство измерения производительности, Акиньшин А., 2022
- Программируем с PyTorch, Создание приложений глубокого обучения, Пойнтер Я., 2020
- Программируем на Java, Лой М., Нимайер П., Лук Д., 2023
- Программирование для Android, Самоучитель, Колисниченко Д.Н., 2021
- Прикладное машинное обучение без учителя с использованием Python, Пател А., 2020
- Паттерны проектирования API, Гивакс Д.Д., 2023
- Паттерны объектно-ориентированного проектирования, Гамма Э., Хелм Р., Джонсон Р., Влиссидес Дж., 2021
- Система модулей Java, Парлог Н., 2021