GPU并行计算与CUDA编程

在使用本系统时, 使用方必须在国家相关法律法规范围内并经过国家相关部门的授权许可, 禁止用于一切非法行为。使用用途仅限于测试、实验、研究为目的, 禁止用于一切商业运营, 本团队不承担使用者在使用过程中的任何违法行为负责
免责声明：本资源并未取得原始权利人的授权，不可商用，仅学习和研究软件内含的设计思想和分析底层代码以及原理等，禁止用于商业行为。如因擅自商用引起的相关纠纷及法律责任，由使用人全部承担。支持正版，人人有责，请于下载后24小时内删除，谢谢支持！

课程介绍
近年来，随着深度学习的高速发展，大数据技术的普及，接下来紧接的会普及发展的想必就是硬件层面的配合，而GPU无疑是最重要的趋势。过去几年，计算领域我们目睹了英伟达（NVIDIA）公司带来的变革。计算统一设备架构（Compute Unified Device Architecture, CUDA）编程语言的引入，第一次使这些非常强大的图形处理器为程序员日常所用，以应对日益复杂的计算工作。从嵌入式设备行业到家庭用户，再到超级计算机，所有的一切都因此而改变。
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。
本课程主要分为四部分，分别涵盖了硬件搭载知识、CUDA编程基础、CUDA性能优化与设计、实战项目经验。

授课对象：
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。

课程环境：
硬件环境：AWS G2 Instances(NVIDIA GRID K520) / CG1 Instances(NVIDIA Tesla M2050) /自备带NVIDIA GPU的电脑
操作系统：Linux 64bit （Ubuntu 14.04）
编程语言：C/C
使用软件：CUDA7.5

收获预期：
具备GPU和CUDA编程能力，可以完成初步的GPU程序设计和优化设计，对于实际应用中CUDA的使用能有全面的考虑和实操能力。

课程目录

一. GPU与CUDA背景基础介绍
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

二. CUDA编程基础
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
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

三. CUDA性能优化与设计
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
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

四. 实战项目经验
第9课 应用CUDA做高维数据处理
第10课 CUDA OpenGL做图形渲染
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

大象源码永久会员

收藏 海报 链接