基于MATLAB的GPU編程

定　價(jià)：￥99.00

作　者：	（希）尼古勞斯·普洛斯卡斯，（希）尼古勞斯·薩馬拉斯
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787111625858	出版時(shí)間：	2019-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	253	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《基于MATLAB的GPU編程》面向的讀者群主要是想在保留MATLAB優(yōu)點(diǎn)的同時(shí)利用GPU編程實(shí)現(xiàn)加速的科研人員、工程師或?qū)W生。書中對(duì)各種工具箱和函數(shù)做了清晰的梳理，不僅是對(duì)當(dāng)前MATLAB文檔的有益補(bǔ)充，而且提供了大量來自不同領(lǐng)域的應(yīng)，用實(shí)例?！痘贛ATLAB的GPU編程》首先介紹支持GPU計(jì)算的MATLAB工具箱，這使得程序可以直接在GPU上運(yùn)行，而不需要太多關(guān)于GPU編程的知識(shí)。接著介紹了MATLAB內(nèi)置的GPU計(jì)算功能，包括在多核或不同計(jì)算機(jī)系統(tǒng)中利用GPU的方法。最后介紹了一些高階主題。如在MATLAB中引入CUDA代碼，以優(yōu)化現(xiàn)有的GPU應(yīng)用。《基于MATLAB的GPU編程》特點(diǎn)：●介紹支持GPU的MATLAB工具箱及函數(shù)，如并行計(jì)算工具箱、通信系統(tǒng)工具箱、神經(jīng)網(wǎng)絡(luò)工具箱以及統(tǒng)計(jì)和機(jī)器學(xué)習(xí)工具箱等?！裰v解如何在不使用另一門編程語言（如CUDA C/C++或CUDA Fortran）的情況下加速計(jì)算密集型的MATLAB應(yīng)用?！窈w圖像處理、信號(hào)處理、統(tǒng)計(jì)學(xué)等不同領(lǐng)域的實(shí)例，幫助讀者快速理解GPU編程的關(guān)鍵概念。

作者簡(jiǎn)介

　　尼古勞斯·普洛斯卡斯（Nikolaas Ploskas），希臘西馬其頓大學(xué)信息與通信工程系助理教授，曾在美國(guó)卡內(nèi)基一梅隆大學(xué)化學(xué)工程系從事博士后研究，研究方向包括運(yùn)籌學(xué)、并行編程、GPU編程和決策支持系統(tǒng)。尼古勞斯·薩馬拉斯（Nikolaos Samaras），希臘馬其頓大學(xué)應(yīng)用信息系教授，研究方向包括線性／非線性優(yōu)化、網(wǎng)絡(luò)優(yōu)化以及高性能計(jì)算和GPU編程。張帆，北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院教授、博導(dǎo)，曾獲北京高校青年英才計(jì)劃資助。張帆博士從2008年開始從事GPU并行計(jì)算研究，201 4年獲國(guó)家留學(xué)基金委全額資助，赴美國(guó)伊利諾伊大學(xué)香檳分校（UIUC）進(jìn)行高性能計(jì)算方面的訪問學(xué)習(xí)。長(zhǎng)期致力于SAR數(shù)據(jù)模擬、高性能計(jì)算、圖像處理等方面的研究，主持國(guó)家自然科學(xué)基金等科研項(xiàng)目20余項(xiàng)，發(fā)表學(xué)術(shù)論文70余篇。目前擔(dān)任《IEEE Access》的副主編，以及《IEEETGRS》《雷達(dá)學(xué)報(bào)>等期刊的審稿人。倪軍，北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院博士生，IEEE北京化工大學(xué)學(xué)生分會(huì)主席，研究方向包括極化SAR分類、高性能計(jì)算、人工智能。李征，北京化工大學(xué)信息科學(xué)與技術(shù)學(xué)院教授、博導(dǎo)，曾獲教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃資助。重點(diǎn)研究智能化軟件工程，是中國(guó)基于搜索的軟件工程研討會(huì)（CSBSE）的發(fā)起人。單篇論文被引超過500次，主持多項(xiàng)國(guó)家和省部級(jí)項(xiàng)目。

圖書目錄

譯者序
推薦序
前言
關(guān)于作者
第1章　引言 1
1.1　并行編程 1
1.1.1　并行計(jì)算導(dǎo)引 1
1.1.2　并行計(jì)算機(jī)的類別 4
1.1.3　并行計(jì)算機(jī)的內(nèi)存架構(gòu) 6
1.2　GPU編程 7
1.3　CUDA架構(gòu) 7
1.4　為什么在MATLAB中進(jìn)行GPU編程，什么情況下使用GPU編程 11
1.5　本書的組織結(jié)構(gòu) 15
1.6　本章回顧 16
第2章　入門準(zhǔn)備 17
2.1　硬件要求 17
2.2　軟件要求 19
2.2.1　NVIDIA CUDA 工具包 19
2.2.2　MATLAB 26
2.3　本章回顧 29
第3章　并行計(jì)算工具箱 30
3.1　產(chǎn)品描述與目標(biāo) 30
3.2　并行for循環(huán)（parfor） 32
3.3　單程序多數(shù)據(jù)（spmd） 43
3.4　分布式數(shù)組和共分布式數(shù)組 47
3.5　交互式并行開發(fā)（pmode） 52
3.6　GPU計(jì)算 53
3.7　集群和作業(yè)調(diào)度 53
3.8　本章回顧 57
第4章　基于MATLAB的GPU編程介紹 58
4.1　基于MATLAB的GPU編程特性 58
4.2　GPU數(shù)組 59
4.3　基于GPU的MATLAB內(nèi)置函數(shù) 66
4.4　基于GPU的MATLAB逐元素操作 78
4.5　本章回顧 91
第5章　基于MATLAB工具箱的GPU編程 92
5.1　通信系統(tǒng)工具箱 92
5.2　圖像處理工具箱 109
5.3　神經(jīng)網(wǎng)絡(luò)工具箱 112
5.4　相控陣系統(tǒng)工具箱 131
5.5　信號(hào)處理工具箱 136
5.6　統(tǒng)計(jì)和機(jī)器學(xué)習(xí)工具箱 137
5.7　本章回顧 142
第6章　多GPU并行 143
6.1　在指定GPU設(shè)備上定義和運(yùn)行代碼 143
6.2　多GPU運(yùn)算舉例 150
6.3　本章回顧 166
第7章　運(yùn)行CUDA或PTX代碼 168
7.1　CUDA C編程簡(jiǎn)介 168
7.2　在GPU上通過MATLAB運(yùn)行CUDA或PTX代碼的步驟 172
7.3　示例：向量加法 180
7.4　示例：矩陣乘法 182
7.5　本章回顧 185
第8章　包含CUDA代碼的MATLAB MEX函數(shù) 186
8.1　MATLAB MEX文件簡(jiǎn)介 186
8.2　在GPU上執(zhí)行MATLAB MEX函數(shù)的步驟 191
8.3　示例：向量加法 198
8.4　示例：矩陣乘法 201
8.5　本章回顧 204
第9章　CUDA加速庫(kù) 205
9.1　引言 205
9.2　cuBLAS 206
9.3　cuFFT 210
9.4　cuRAND 213
9.5　cuSOLVER 216
9.6　cuSPARSE 219
9.7　NPP 223
9.8　Thrust 227
9.9　本章回顧 229
第10章　代碼分析與GPU性能提升 230
10.1　MATLAB分析 230
10.2　CUDA分析 242
10.3　提升GPU性能的最佳實(shí)踐 246
10.4　本章回顧 251
參考文獻(xiàn) 252