|
|
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。
; y2 \: L- i; A1 i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
" j) z1 x' ~% m$ H7 `& E
2 W. \0 f3 y* V, _: f0 s- 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) C: Y% f+ { u
二. CUDA编程基础
4 m* C. E/ k. {1 @
0 A3 b% m+ l. a5 q4 y' M* n, r4 x- 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/ G( ~) h% R5 f& ^3 d
- 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8 H0 Y$ b% ^+ W4 u- t5 x" f
三. CUDA性能优化与设计
3 O; T' p$ [4 R2 U; l. `2 O' V+ z$ K3 o2 [
- 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) N, x/ }3 T E1 C! w# i+ R
- 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CUDA7 e' ]% H# w% H3 s
四. 实战项目经验5 G0 Q9 R" E. A4 V2 B6 `
+ }, }" r* K! I9 r3 H3 J- 第9课 应用CUDA做高维数据处理
& R" {; B( Q5 P b! b4 V N& S - 第10课 CUDA+OpenGL做图形渲染
0 T+ r9 |: _/ v. [ - 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
( r- F2 ~: m* M* t
Z6 Q3 r( u/ o
+ @1 R7 W# T/ Z; T9 |& Y( z5 o2 s- e4 B1 v3 e4 D+ H/ q
+ D& j3 x$ o. T. S
, i7 v. H& V0 H资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见% G6 X* _% ^) C3 D
9 O) J% V# z" d" u
, S4 e% }4 g8 T2 h
8 D0 M$ A, } V3 P! R( o本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-24 17:00:01
