基于CUDA的并行程序设计

内容概要

刘金硕，博士，武汉大学副教授，荷兰皇家科学院访问学者，韩国建国大学访问学者，毕业于荷兰莱顿大学。主要研究方向：数字图像分析、模式识别、高性能计算。主持或参与多项科研项目，是武汉大学NVIDIA全球教学中心和全球研发中心的学术带头人。

书籍目录

前言

第1章 并行计算概述

1.1 并行计算简介

1.2 并行处理的计算机体系结构

1.2.1 并行计算机分类

1.2.2 并行计算机的物理结构模型

1.3 并行算法的设计方法

1.3.1 并行算法的相关概念

1.3.2 设计并行算法应注意的问题

1.3.3 并行算法的通用设计方法

1.4 基于各种并行处理体系结构的算法对比

1.4.1 SIMD算法

1.4.2 MIMD算法

1.4.3 MIMD进程通信和死锁

1.4.4 MIMD任务调度

1.5 小结

参考文献

第2章 GPU概述

2.1 GPU的发展

2.2 GPU的体系结构

2.2.1 NVIDIA公司的GPU体系结构

2.2.2 AMD公司的GPU体系结构

2.3 多核CPU和GPU的协同工作原理

2.4 GPU并行与分布式对比

2.5 采用多核CPU和GPU的异构集群

2.6 小结

参考文献

第3章 CUDA编程基础

3.1 CUDA简介

3.2 CUDA并行新思维

3.3 CUDA的安装及配置

3.3.1 CUDA在Mac OS X中的配置

3.3.2 CUDA在Linux中的配置

3.3.3 CUDA在Windows中的配置

……

第4章 GPU存储器使用技巧

第5章 CUDA编程优化

第6章 基于C++的遥感影像处理的CUDA优化

第7章 基于OpenGL的体绘制技术实现剪切波数据三维可视化的CUDA优化

第8章 基于MATLAB的生物细胞图像病理诊断的CUDA优化

第9章 基于CUDA的核外计算集群中间件

附录A 数学函数

附录B 原子函数

作者简介

《基于CUDA的并行程序设计》介绍了并行计算和图形处理器（GPU）系统结构；基于GPU并行计算的GUDA语言；CUDA的编程优化技巧；GPU存储器结构；并就生物图像分析、医学图像三维重建、遥感图像校正和信息提取等三个领域具体讨论了利用GPU实现其并行计算的实施方案和编程技巧。书中对利用GPU编程和使用方法注意事项做了详实介绍。

《基于CUDA的并行程序设计》可以作为CUDA学习入门和编程的参考书，主要面向高校计算机专业的教师、研究生生和科研研究机构的科技工作者，以及利用GPU加速的科研人员。

 基于CUDA的并行程序设计下载