收藏
CUDA by Example - Jason Sanders, Edward Kandrot

CUDA by Example

Jason Sanders, Edward Kandrot

出版社

Addison-Wesley Professional

出版时间

2010-07-29

ISBN

9780131387683

评分

★★★★★

标签

CUDA并行计算GPUProgramming

书籍介绍
这本书最鲜明的特点，是它把'让普通人也能跑起GPU并行计算'这件事做到了极致。它不假设你懂图形学，而是用分形、图像这类直观例子，带你在一两天内真正写出能在GPU上跑的代码——'你离CUDA编程的距离只有10个小时'，是许多读者的共同感受。但正因如此，它也引发争议：有人嫌它'微浅''例子过于简单'，甚至指出书中部分性能优化技巧已随CUDA版本更新而失效。它适合想快速入门、建立直觉的初学者；若你已熟悉并行计算、追求深度与底层细节，可能会觉得它'实质内容较少'。一句话：它是一扇门槛极低的门，但门后的世界深浅，取决于你自己。
AI导读
核心看点
  • CUDA入门经典，由浅入深讲解GPU并行编程
  • 无需图形学基础，仅需C语言编程能力即可上手
  • 通过实例演示如何利用GPU加速科学计算应用
读者共识
  • 语言幽默风趣，通俗易懂，阅读体验极佳
  • 作为入门教材非常友好，能快速建立概念
  • 例子简单且重复，缺乏深度，进阶需另寻书
精彩摘录
  • "CUDA C编译器对共享内存中的变量与普通变量将分别采取不同的处理方式。对于在GPU上启动的每个线程块，CUDA C编译器都将创建该变量的一个副本。线程块中的每个线程都共享这块内存，但线程却无法看到也不能修改其他线程块的变量副本。这就实现了一种非常好的方式，使得一个线程块中的多个线程能够在计算上进行通信和协作。"
  • "与从全局内存中读取数据相比，从常量内存中读取相同的数据可以节约内存带宽，原因有两个： 1.对常量内存的单词读操作可以广播到其他的邻近线程，这将节约15次读取操作； 2.常量内存的数据将缓存起来，因此对相同地址的连续读操作将不会产生额外的内存通信量。"
  • "CUDA架构中，warp是指一个包含32个线程的集合，这个线程集合以步调一致的形式执行，warp中的每个thread都将在不同的数据上执行相同的指令。 当处理常量内存时，nVidia硬件将把单次内存读取操作广播到每个half warp（即16个thread）。如果在half warp中的每个线程都从常量内存的相同地址上读取数据，那么GPU只会产生一次读取请求并在随后将数据广播到每个thread。"
用户评论
写的很好，就是有点老。
Introduction to CUDA GPU parallel programming, only introduction. Most examples for GPU are compared to those for CPU.
读了几本英文，发现老外写书很活泼。不错不错。
Just the beginning .
挺适合初学者通读。 缺少整体的架构，不适合进一步。
当作cuda编程的入门教材是不错的，但仅限于入门（
N 年前看过，笔记做的非常仔细，但之后一直没什么机会用 CUDA，导致忘得差不多了；重温了一遍，书里例子比较多，比较适合快速上手。
这本书简短，但是过一遍里面的cuda代码，基本能理解cuda的一些概念：block/threads，shared memory，const memeory， zero copy.....
第一次用户视角看GPU编程，看到什么API总会不自觉的对应到以前在NV搞的那些指令和engine，然后会心一笑。
Addison-Wesley Professional的其他书籍查看全部

下载
收藏