|
|
课程介绍：计算机软件界较大的变迁是从串行编程转向了并行编程。其中，CUDA起到了重要的作用。究其本质，图形处理单元（Graphics Processor Unit，GPU）是为高速图形处理而设计的，它具有天然的并行性。CUDA采用了一种简单的数据并行模型，再结合编程模型，从而无需操纵复杂的图形基元。我们也可以轻而易举的发现各种各样的开源计算机库，例如OpenCV,Caffe,TensorFlow等等，都提供了对应于GPU的使用接口，使得GPU的使用越来越主流而高效。
9 C& c! _5 o: ?4 \+ L
适用人群：对并行计算，GPU编程刚兴趣的同学，熟悉C/C++编程语言。需要有带NVIDIA显卡的计算机，如果没有的同学可能需要额外购买AWS的GPU服务器，费用约是0.4美元/小时。课程目录：一. GPU与CUDA背景基础介绍
% l) i) j' y1 i, i
9 N e! K) L$ A- 第1课 CUDA硬件环境，体系结构，软件环境介绍，包括平台、架构、开发工具和热点技术第2课 并行编程介绍，CUDA核心概念，包括网格、线程块，不同类型内存的工作机制/ ~: e+ y4 C( m- |8 V% f
二. CUDA编程基础1 a8 r( \7 F5 A# K
( T2 k5 D( q' ^- X! P
- 第3课 CUDA设备内存、常量内存、共享内存和纹理内存，CUDA流和事件
3 G- W0 ?4 j, C. H& [ - 第4课 CUDA执行模式、线程调度、内核执行和CUDA存储器的使用第5课 CUDA流处理器簇、多GPU编程、纹理操作
\; E& P8 E! J% i' Q: g/ A% ~# o' o 三. CUDA性能优化与设计& F1 Q% g! D: A
" L' Y7 q/ Q: ?3 x! U8 G. f" G
- 第6课 CPU/GPU协同编程，串行/并行程序中提高并行度的常用策略; A) S3 K; o) [# _9 v
- 第7课 流式负载以及使用GPU做应用程序性能优化常用策略第8课 在集群中使用CUDA
# V6 z u, `* y3 g- t 四. 实战项目经验
3 G/ b$ e( S# ^& i
# m+ f/ D" ~( @1 O: Y- 第9课 应用CUDA做高维数据处理# X! j& F$ a7 ~8 S
- 第10课 CUDA+OpenGL做图形渲染7 X# T2 F2 a* I. I0 D
- 第11课 CPGPU实现视频流实时光流跟踪第12课 深度学习框架中的GPU应用
o' k& [: U5 k7 X: E; B5 a F
% m7 z0 j9 F6 c' j, W" Q9 E; G1 B
. u; T! { g5 a* Y( W4 N2 q5 [9 H! `/ j
( T: [/ g4 W x# U& m) y# v3 Q C+ c, {$ J/ }
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见9 d8 z8 [2 V: `9 |. b$ q% y
& X2 Q' Q8 A# `$ u" J
- m- o' }+ c. b; g
6 `1 l# F* ?$ `! w7 P8 V. D本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-24 17:00:01
