GPU 編程實戰 : 基於 Python 和 CUDA (Hands-On GPU Programming with Python and CUDA: Boost your application's performance and productivity with CUDA: Explore high-performance parallel computing with CUDA)

Brian Tuomanen 
博士自2014年以來，一直從事CUDA 和GPU 編程方面的工作。
他在美國西雅圖華盛頓大學（University of Washington）獲得了電氣工程專業的學士學位，
在攻讀數學專業的碩士學位之前，從事過軟件工程方面的工作。
後來，他在哥倫比亞的密蘇里大學攻讀數學博士學位，在那裡與 GPU 編程"邂逅"——GPU編程當時主要用於研究科學問題。
Tuomanen 博十曾經在美國陸軍研究實驗室以GPU編程為題發表演講，
後來在美國馬里蘭州的一家初創公司負責GPU集成和開發方面的工作。
目前，他在西雅圖擔任微軟的機器學習專家（Azure CSI）。

第 1章　為什麽要學習GPU編程　1

1.1 技術要求　2

1.2 並行化與阿姆達爾定律　2

1.2.1 使用阿姆達爾定律　3

1.2.2 Mandelbrot集　5

1.3 對代碼進行性能分析　7

1.4 小結　9

1.5 習題　10

 

第 2章　搭建GPU編程環境　11

2.1 技術要求　12

2.2 確保擁有合適的硬件　12

2.2.1 檢查硬件（Linux系統）　13

2.2.2 檢查硬件（Windows系統）　14

2.3 安裝GPU驅動程序　15

2.3.1 安裝GPU驅動程序（Linux系統）　16

2.3.2 安裝GPU驅動程序（Windows系統）　17

2.4 搭建C++編程環境　18

2.4.1 設置GCC、Eclipse IDE和圖形處理庫（Linux系統）　18

2.4.2 設置Visual Studio（Windows系統）　18

2.4.3 安裝CUDA Toolkit　20

2.5 為GPU編程設置Python環境　21

2.5.1 安裝PyCUDA（Linux系統）　22

2.5.2 創建環境啟動腳本（Windows系統）　22

2.5.3 安裝PyCUDA（Windows系統）　23

2.5.4 測試PyCUDA　23

2.6 小結　24

2.7 習題　25

 

第3章　PyCUDA入門　26

3.1 技術要求　26

3.2 查詢GPU　27

3.3 使用PyCUDA的gpuarray類　31

3.3.1 使用gpuarray在GPU之間傳輸數據　31

3.3.2 使用gpuarray進行基本的逐元素算術運算　32

3.4 使用PyCUDA的ElementwiseKernel執行逐元素運算　37

3.4.1 重溫Mandelbrot集　40

3.4.2 函數式編程簡介　44

3.4.3 並行化的掃描內核函數和規約內核函數簡介　45

3.5 小結　47

3.6 習題　47

 

第4章　內核函數、線程、線程塊與網格　49

4.1 技術要求　50

4.2 內核函數　50

4.3 線程、線程塊與網格　53

4.4 線程同步與線程通信　60

4.4.1 使用設備函數__syncthreads　60

4.4.2 使用共享內存　63

4.5 並行前綴算法　65

4.5.1 樸素並行前綴算法　66

4.5.2 包含型並行前綴算法與獨占型並行前綴算法　69

4.5.3 工作高效型並行前綴算法　69

4.5.4 工作高效型並行前綴算法的實現　71

4.6 小結　74

4.7 習題　74

 

第5章　流、事件、上下文與並發性　76

5.1 技術要求　77

5.2 CUDA設備同步　77

5.2.1 使用PyCUDA流類　78

5.2.2 通過CUDA流實現並發版本的LIFE　82

5.3 事件　85

5.4 上下文　89

5.4.1 同步當前上下文　90

5.4.2 手動創建上下文　91

5.4.3 主機端多進程與多線程技術　92

5.4.4 實現主機端並發的多上下文　93

5.5 小結　97

5.6 習題　97

 

第6章　CUDA代碼的調試與性能分析　99

6.1 技術要求　100

6.2 在CUDA內核函數中使用printf函數　100

6.3 CUDA C編程簡介　106

6.4 利用Nsight IDE開發和調試CUDA C代碼　113

6.4.1 在Windows平臺上的Visual Studio中使用Nsight　113

6.4.2 在Linux平臺中使用Nsight和Eclipse　117

6.4.3 借助Nsight理解CUDA的線程束鎖步特性　120

6.5 使用NVIDIA性能分析工具——nvprof與Visual Profiler　122

6.6 小結　124

6.7 習題　125

 

第7章　通過Scikit-CUDA模塊使用CUDA庫　126

7.1 技術要求　127

7.2 安裝Scikit-CUDA　127

7.3 利用cuBLAS庫處理基本線性代數運算　128

7.3.1　利用cuBLAS庫處理第 1級AXPY運算　128

7.3.2　其他第 1級cuBLAS函數　130

7.3.3　利用cuBLAS庫處理第 2級GEMV運算　131

7.3.4　利用cuBLAS中的第3級GEMM操作測量GPU性能　133

7.4 利用cuFFT庫進行快速傅里葉變換　136

7.4.1　一維快速傅里葉變換示例　137

7.4.2　使用FFT進行捲積操作　138

7.4.3　利用cuFFT進行二維捲積　139

7.5 通過Scikit-CUDA使用cuSolver　144

7.5.1　奇異值分解　144

7.5.2　奇異值分解在主成分分析中的應用　146

7.6 小結　147

7.7 習題　148

 

第8章 CUDA設備函數庫與Thrust庫　149

8.1 技術要求　150

8.2 cuRAND設備函數庫　150

8.3 CUDA Math API　155

8.3.1　定積分概述　155

8.3.2　用蒙特卡羅方法計算定積分　156

8.3.3　編寫測試用例　162

8.4 CUDA Thrust庫　164

8.5 小結　168

8.6 習題　169

 

第9章　實現深度神經網絡　170

9.1 技術要求　170

9.2 人工神經元與神經網絡　171

9.3 softmax層的實現　177

9.4 交叉熵損失函數的實現　179

9.5 序貫網絡的實現　180

9.5.1　推理方法的實現　182

9.5.2　梯度下降法　184

9.5.3　數據的規範化和歸一化　189

9.6 Iris數據集　190

9.7 小結　192

9.8 習題　193

 

第 10章 應用編譯好的GPU代碼　194

10.1 通過Ctypes模塊啟動編譯好的 代碼　194

10.2 編譯並運行純PTX代碼　201

10.3 為CUDA Driver API編寫 包裝器　203

10.4 小結　210

10.5 習題　211

 

第 11章　CUDA性能優化　212

11.1 動態並行性　212

11.2 向量化數據類型與 內存訪問　217

11.3 線程安全的原子操作　218

11.4 線程束洗牌　220

11.5 內聯PTX匯編　223

11.6 經過優化的數組求和 函數　227

11.7 小結　231

11.8 習題　231

 

第 12章　未來展望　233

12.1 深入瞭解CUDA和GPGPU 編程技術　234

12.1.1 多GPU系統　234

12.1.2 集群計算和消息 傳遞接口　234

12.1.3 OpenCL和 PyOpenCLCUDA　234

12.2 圖形領域　235

12.2.1　OpenGL　235

12.2.2　DirectX 12　235

12.2.3　Vulkan　236

12.3 機器學習與電腦視覺　236

12.3.1　基礎知識　236

12.3.2　cuDNN　236

12.3.3　Tensorflow與Keras　237

12.3.4　Chainer　237

12.3.5　OpenCV　237

12.4 區塊鏈技術　237

12.5 小結　238

12.6 習題　238

 

習題提示　239

第 1章 為什麽要學習GPU編程　239

第 2章 搭建GPU編程環境　239

第3章 PyCUDA入門　240

第4章 內核函數、線程、線程塊與網格　240

第5章 流、事件、上下文與並發性　241

第6章 CUDA代碼的調試與性能分析　241

第7章 通過Scikit-CUDA模塊使用CUDA庫　242

第8章 CUDA設備函數庫與Thrust庫　242

第9章 實現深度神經網絡　243

第 10章 應用編譯好的GPU代碼　243

第 11章 CUDA性能優化　244

第 12章 未來展望　244