CUDA高性能并行计算.pdf
25墨值下载
本书赞誉
FORTRAN（盛行于20世纪60年代）是最早允许我们在大型机上编程的语言。之后是BASIC（流行于20世纪80年代）赋予
我们为第一批微型计算机编写程序的能力。现在轮到CUDA，让我们可以为超级微型计算机编写程序。
本书介绍的技术能够帮助工程和数学等领域的研究者以超越微机100倍的速度执行计算任务。这使新的计算任务得以完成，
也使本书得以成为颠覆传统规则的教程。
——Richard H.Rand，康奈尔大学机械与航空航天工程系教授、数学系教授
本书结构合理，内容实用，能够帮助读者快速体验CUDA并行编程并即时得到结果。本书围绕不同科学和工程问题，展示了
GPU编程的魅力。书中提供了优秀的示例程序和项目练习，让人读之愉悦。
——Mark Staveley博士，微软Azure高性能计算高级项目经理
本书名副其实，手把手教授读者基本概念、核心策略、关键术语和典型示例。这些内容有机构成的教学体系以老道而深入的
方式介绍高性能计算。本书同时适用于专家和普通读者。
——Joseph M.Iaquinto博士，VA Puget Sound公司研究专家
本书体现的实用性与我为工程师讲授数值方法课程的教学方法具有惊人的一致性。本书将为工程专业的学生以及程序员补充
新的数值计算工具箱，使他们能够基于CUDA进行高性能科学计算。对于有一定编程基础的CUDA初学者，本书堪称完美。建议
读者遵从作者的建议，尽早好好练习实践项目。践行本书的理论，你将可以熟练应对GPU计算方面的项目，进入CUDA开发者行
列。
——Lorena A.Barba，乔治华盛顿大学机械与航空航天工程系副教授
致谢
我们需要向很多人致谢，没有他们也就没有这本书。
感谢我们的家人，在写作本书的过程中，我们对他们时有忽略。谢谢Laura Lewin和Pearson公司的所有人，他们为本书的
编辑、出版和营销做了大量努力。多谢《CUDA专家手册：GPU编程权威指南》
[1]
一书的作者Nicholas Wilt先生（曾任职于英
伟达公司，现任职于亚马逊公司），是他建议我们与Laura联系，最终促成了本书的出版。同样需要感谢英伟达公司的Thomas
Bradley、微软公司的Mark Staveley和康奈尔大学的Richard Rand，作为技术评审专家，他们提供了颇具建设性的评论、校正
和见解。
谢谢华盛顿大学西雅图校区机械工程系的同事们。他们与我们上聊科技大势下聊底层技术细节，为本书贡献了素材。这些同
事包括却不仅限于Mark Ganter、Di Zhang、Ben Weiss等人。他们帮本书绘制了多幅图片并提供了多个好用的软件帮我们制
作标签和自动排版代码。我们也要感谢机械工程系系主任Per Reinhall，是他批准了我们的课程申请，正是这门课促使我们编写
了本书的很多内容。另外要感谢同校放射科的David Haynor和西雅图VA医院的William Ledoux，他们的研究项目持续围绕着
CUDA相关的技术探索。
特别感谢英伟达公司的员工们。包括首席执行官黄仁勋，他一直坚信并热情坚持基于GPU的并行计算；学术项目经理
Chandra Cheij；高等教育与医疗行业主任Kimberly Powell；给我们帮助和启迪的CUDA大师Jon Saposhnik和Bob Crovella。
最后同样的感谢送给战略营销主任Jay White，他长期支持西雅图地区的GPU计算交流会并是我们聚会的召集人。
我们还要感谢所有的学生。他们敢于参加华盛顿大学早期的CUDA课程，颇有冒险精神。特别是已毕业的硕士生Grant
Marchelli（现在他已拿到了博士学位并受聘在Envitrum公司任职CTO），他参与了课程的很多关键环节，包括建立实验环境、
提供示例代码并受邀讲课。特别感谢Gerald Barnett，当本书进入第一稿编辑环节时，他立即放下自己的事情，全情参与。
最后，真心感谢本书的读者。分享对象的价值取决于有没有合适的人去共享。谢谢你们对本书感兴趣。我们真诚地希望本书
能为你们带来有用的经验和丰厚的回报。
[1] 此书已由机械工业出版社出版，书号为978-7-111-47265-0。
第0章 本书导读
欢迎阅读本书。本书的目标是让你亲身参与个人高性能计算（Personal High-Performance Computing，PHPC）。如果
你跟随我们的CUDA世界之旅，只需一台基本的游戏级计算机，你就可以执行大规模并行计算并从中获益。这种规模的计算任务
在几年之前是需要超级计算机才能完成的。本书包含的内容能够帮助你去阅读更高深的CUDA著作并开发自己的CUDA项目。
首先，介绍一下CUDA以及我们的教学策略。
0.1 什么是CUDA
CUDA是英伟达公司为促进高性能并行计算的普及所创建的支持并行计算的软硬件平台。CUDA的硬件方面涉及显卡上配备
的一个或多个兼容CUDA的图形处理器（Graphics Processing Units，GPU）。英伟达CUDA工具箱软件则提供了基于
C/C++编程语言的开发环境
[1]
。
CUDA使用的基于GPU方式的大规模并行计算也是很多最快和最节能超级计算机所采用的关键技术。核心的度量准则已经从
每秒浮点计算次数（FLOPS）转变为每瓦电能的每秒浮点计算次数（FLOPS/watt，即计算的总量除以消耗的能量）。而GPU并
行方式在每瓦电能的每秒浮点计算次数上具有优势。实际上，在2012年6月到2013年12月期间，全世界最节能的10大超级计算
机从刚开始的完全基于IBM的绿色基因系统（配有PowerPC CPU）转变成基于英伟达公司的GPU系统
[2]
。在这个快速转换为
GPU计算的过程中，计算能力与电能消耗的比率已经翻了两番，并在持续增长。
0.2 学习CUDA的“须知”
of 158
25墨值下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论