本书第一篇系统地介绍GPU编程的相关知识，帮助读者快速入门，并构建GPU知识体系；第二篇和第三篇给出大量实例，对每个实例进行循序渐进的并行和优化实践，为读者提供GPU编程和优化参考；第四篇总结影响GPU性能的关键要素（执行核心和存储体系），量化测评GPU的核心性能参数，给出CPU/GPU异构系统上覆盖完全的各种混合并行模式及其实践，帮助读者真正透彻理解GPU。
本书适合作为计算机及相关专业的教材，也可作为GPU程序开发人员和科研人员的参考书。本书封面贴有清华大学出版社防伪标签，无标签者不得销售。
系统全面的GPU知识体系
实践引导的有效优化方法
切中要害的性能影响因素
通俗翔实的异构协同并行
循序渐进的优化实例解析
精炼真实的GPU性能测评
方民权，国防科学技术大学计算机科学与技术专业博士，研究方向是高性能计算、异构计算，涉及领域包括遥感图像处理、计算微电子学、声呐信号处理和地震模拟等。张卫民博士，研究员，博士生导师，任国防科学技术大学海洋科学与工程研究院总工程师、湖南省气象协会副理事长、湖南省计算数学协会理事，研究方向是数值天气预报、海洋环境数值模拟、卫星资料、并行算法，科研成果获部委级一等奖7项、二等奖8项、三等奖1项，出版著作5部，发表论文80余篇。
第一篇理论篇
第1章高性能计算概述3
1.1高性能计算概念辨析3
1.1.1并行计算、高性能计算和超级计算3
1.1.2超级计算机与超级计算中心4
1.2计算科学5
1.3高性能计算发展史5
1.4高性能计算简介6
1.5向量机与阵列机8
1.6本章小结9
第2章GPU概述10
2.1GPU是什么10
2.2协处理器10
2.3GPU与显卡的关系11
2.4GPU/显卡购买注意事项11
2.5为什么要学GPU编程12
2.6GPU与CPU辨析13
2.7GPU发展简史14
2.8GPU编程方法14
2.9CPU/GPU异构系统16
第3章GPU硬件架构17
3.1GPU架构17
3.1.1Tesla架构18
3.1.2Fermi架构20
3.1.3Kepler架构21
3.1.4Maxwell架构23
3.1.5Pascal架构243.2Kernel的硬件映射28
3.3GPU存储体系29
3.4GPU计算能力30
GPU编程与优化——大众高性能计算目录第4章GPU软件体系33
4.1GPU软件生态系统33
4.2CUDA Toolkit34
4.2.1NVCC编译器34
4.2.2cuobjdump35
4.3CUDA环境安装36
4.3.1Windows 7安装CUDA 4.236
4.3.2Linux下安装CUDA38
第5章CUDA C编程41
5.1CUDA编程模型41
5.2CUDA编程七步曲42
5.3驱动API与运行时API42
5.4CUDA运行时函数43
5.4.1设备管理函数43
5.4.2存储管理函数45
5.4.3数据传输函数48
5.4.4线程管理函数51
5.4.5流管理函数52
5.4.6事件管理函数52
5.4.7纹理管理函数53
5.4.8执行控制函数55
5.4.9错误处理函数55
5.4.10图形学互操作函数57
5.4.11OpenGL互操作函数58
5.4.12Direct3D互操作函数59
5.5CUDA C语言扩展60
5.6gridblockthread三维模型61
第二篇入门篇
第6章向量加法67
6.1向量加法及其串行代码67
6.2单block单thread向量加68
6.3单block多thread向量加68
6.4多block多thread向量加69
6.5CUBLAS库向量加法70
6.6实验结果分析与结论71
6.6.1本书实验平台71
6.6.2实验结果71
6.6.3结论71
6.7知识点总结72
6.8扩展练习75
第7章归约: 向量内积76
7.1向量内积及其串行代码76
7.2单block分散归约向量内积77
7.3单block低线程归约向量内积78
7.4多block向量内积(CPU二次归约)79
7.5多block向量内积(GPU二次归约)81
7.6基于原子操作的多block向量内积81
7.7计数法实现多block向量内积84
7.8CUBLAS库向量内积85
7.9实验结果与结论86
7.9.1实验结果86
7.9.2结论86
7.10归约的深入优化探讨87
7.10.1block数量和thread数量对归约性能的影响87
7.10.2算术运算优化88
7.10.3减少同步开销89
7.10.4循环展开90
7.10.5总结91
7.11知识点总结91
7.12扩展练习94
第8章矩阵乘法95
8.1矩阵乘法及其3种串行代码95
8.1.1一般矩阵乘法95
8.1.2循环交换矩阵乘法97
8.1.3转置矩阵乘法98
8.1.4实验结果与最优串行矩阵乘99
8.2grid线程循环矩阵乘法100
8.3block线程循环矩阵乘法101
8.4行共享存储矩阵乘法101
8.5棋盘阵列矩阵乘法103
8.6判断移除105
8.7CUBLAS矩阵乘法106
8.8实验结果分析与结论108
8.8.1矩阵乘精度分析108
8.8.2实验结果分析110
8.8.3浮点运算能力分析111
8.9行共享存储矩阵乘法改进111
8.10知识点总结113
8.11扩展练习115
第9章矩阵转置116
9.1矩阵转置及其串行代码116
9.21D矩阵转置117
9.32D矩阵转置118
9.4共享存储2D矩阵转置119
9.5共享存储2D矩阵转置diagonal优化120
9.6实验结果分析与结论121
9.7共享存储2D矩阵转置的深入优化122
9.8知识点总结124
9.9扩展练习125
第三篇提高篇
第10章卷积129
10.1卷积及其串行实现129
10.1.1一维卷积129
10.1.2二维卷积131
10.2GPU上1D卷积134
10.3M常量1D卷积135
10.4M共享1D卷积136
10.5N共享1D卷积137
10.6实验结果分析139
10.6.1扩展法1D卷积实验结果分析139
10.6.2判断法与扩展法1D卷积对比140
10.6.3加速比分析141
10.6.4线程维度对性能的影响141
10.72D卷积的GPU移植与优化142
10.7.1GPU上2D卷积142
10.7.2M常量2D卷积143
10.7.3M常量N共享2D卷积143
10.7.42D卷积实验结果分析145
10.8知识点总结145
10.9扩展练习147
第11章曼德博罗特集148
11.1曼德博罗特集及其串行实现148
11.2曼德博罗特集的GPU映射150
11.3一些优化尝试及效果152
11.3.1访存连续152
11.3.2uchar4访存合并153
11.3.34种零拷贝153
11.3.4总结分析155
11.4计算通信重叠优化156
11.5突破kernel执行时间限制159
11.6知识点总结160
11.7扩展练习162
第12章扫描: 前缀求和163
12.1前缀求和及其串行代码163
12.2KoggeStone并行前缀和164
12.2.1直接KoggeStone分段前缀和164
12.2.2交错KoggeStone分段前缀和165
12.2.3完整KoggeStone前缀和166
12.3BrentKung并行前缀和168
12.3.1BrentKung分段前缀和169
12.3.2两倍数据的BrentKung分段前缀和170
12.3.3避免bank conflict的两倍数据BrentKung分段前缀和171
12.3.4完整BrentKung前缀和173
12.4warp分段的KoggeStone前缀求和174
12.5实验结果分析与结论177
12.6知识点总结179
12.7扩展练习180第13章排序181
13.1串行排序及其性能181
13.1.1选择排序181
13.1.2冒泡排序182
13.1.3快速排序182
13.1.4基数排序183
13.1.5双调排序网络185
13.1.6合并排序186
13.1.7串行排序性能对比187
13.2基数排序188
13.2.1基数排序概述188
13.2.2单block基数排序189
13.2.3基于thrust库的基数排序196
13.3双调排序网络197
13.3.1双调排序网络概述197
13.3.2单block双调排序网络199
13.3.3多block双调排序网络202
13.4快速排序206
13.5合并排序207
13.6实验结果分析与结论208
13.7知识点总结209
13.8扩展练习210
第14章几种简单图像处理211
14.1图像直方图统计211
14.1.1串行直方图统计211
14.1.2并行直方图统计211
14.1.3实验结果与分析212
14.2中值滤波213
14.2.1串行中值滤波214
14.2.21D并行中值滤波215
14.2.3共享1D中值滤波216
14.2.4双重共享1D中值滤波218
14.2.52D并行中值滤波221
14.2.6共享2D中值滤波222
14.2.7共享2D中值滤波的改进227
14.2.8实验结果与分析229
14.3均值滤波231
14.3.1串行均值滤波231
14.3.2并行均值滤波232
14.3.3实验结果与分析233
第四篇核心篇
第15章GPU执行核心237
15.1概述237
15.2算术运算支持238
15.2.1整数运算238
15.2.2浮点运算239
15.3算术运算性能240
15.4分支处理242
15.5同步与测时246
15.5.1同步246
15.5.2测时247
15.6数学函数247
15.7warp与block原语249
15.7.1warp原语249
15.7.2block原语250
15.8kernel启动、线程切换和循环处理251
第16章GPU存储体系254
16.1概述254
16.2寄存器259
16.3局部存储261
16.4共享存储器264
16.4.1共享存储使用264
16.4.2bank conflict265
16.4.3volatile关键字266
16.4.4共享存储原子操作267
16.5常量存储268
16.6全局存储269
16.6.1全局存储的使用269
16.6.2全局存储的合并访问271
16.6.3利用纹理缓存通道访问全局存储271
16.7纹理存储273
16.7.1CUDA数组273
16.7.2纹理存储的操作和限制274
16.7.3读取模式、纹理坐标、滤波模式和寻址模式276
16.7.4表面存储278
16.8主机端内存281
16.9零拷贝操作283
第17章GPU关键性能测评284
17.1GPU性能测评概述284
17.2GPU参数获取286
17.2.1GPU选择286
17.2.2详细设备参数获取287
17.3精确测时方法汇总288
17.3.1clock测时289
17.3.2gettimeofday测时289
17.3.3CUDA事件测时289
17.3.4cutil库函数测时290
17.4GPU预热与启动开销290
17.5GPU浮点运算能力291
17.6GPU访存带宽293
17.7GPU通信带宽295
17.8NVIDIA Visual Profiler296
17.9程序性能对比约定298
第18章CPUs和GPUs协同299
18.1协同优化基点299
18.1.1CPU并行矩阵乘基点299
18.1.2GPU并行矩阵乘基点300
18.2CPU/GPU协同300
18.3多GPU协同305
18.3.1CUDA版本306
18.3.2OpenMP+CUDA308
18.3.3MPI+CUDA311
18.4CPUs/GPUs协同314
18.4.1CUDA版本314
18.4.2OpenMP+CUDA319
18.4.3MPI+OpenMP+CUDA324
18.5本章小结329
附录
附录A判断法1D卷积代码333
附录A.1判断法1D卷积basic版333
附录A.2判断法1D卷积constant版334
附录A.3判断法1D卷积shared版336
附录A.4判断法1D卷积cache版337
附录B曼德博罗特集的系列优化代码340
附录B.1完整版串行C代码340
附录B.2cuda_1_0343
附录B.3cuda_0_2345
附录B.4cuda_zerocopy346
附录B.5cuda_1_0_zerocopy348
附录B.6cuda_0_0_zerocopy349
附录B.7cuda_0_2_zerocopy351
附录B.8cuda_2352
附录B.9cuda_1_2354
附录C几种图像处理完整源码357
附录C.1BMP图像读写头文件357
附录C.2图像直方图串行代码373
附录C.3串行中值滤波代码374
附录C.4并行均值滤波相关代码376
附录Dnvprof帮助菜单383
附录ENVCC帮助菜单388
附录F几种排序算法源代码399
附录F.1bitonic_sort_block函数399
附录F.2GPU快速排序完整代码400
附录F.3GPU合并排序完整代码408
参考文献417
新书资讯