Προγραμματισμός μαζικά παράλληλων επεξεργαστών - Αθήνα: Κλειδάριθμος, 2010

Βιβλιογραφικά στοιχεία

Έκδοση
Kirk, David (1960-) | Hwu, Wen-mei
Γκιζόπουλος, Δημήτρης
Αθήνα: Κλειδάριθμος, 2010
εικόνες ; 24 εκατοστά
978-960-461-423-3
Περιέχει ευρετήριο (σελίδες από 325 ως 340).

«Για όσους ενδιαφέρονται να ακολουθήσουν τον φωτεινό δρόμο των GPU προς την παραλληλία, αυτό το νέο βιβλίο των David Kirk και Wenmei Hwu είναι θείο δώρο: παρουσιάζει την CUDATM, μια γλώσσα προγραμματισμού παραλληλίας δεδομένων που μοιάζει με τη C, και την TeslaTM, την αρχιτεκτονική της πρόσφατης γενιάς των GPU της NVIDIA. Πέρα από την ερμηνεία της γλώσσας και της αρχιτεκτονικής, οι συγγραφείς ορίζουν επίσης τη φύση των προβλημάτων με παραλληλία δεδομένων τα οποία εκτελούνται αποδοτικά σε ετερογενές υλικό CPU-GPU ... Μια πολύτιμη προσθήκη στη βιβλιογραφία της παράλληλης υπολογιστικής, η οποία πρόσφατα έχει αναζωογονηθεί.» David Patterson, Διευθυντής του Parallel Computing Research Laboratory και Καθηγητής Επιστήμης των Υπολογιστών (στην έδρα Pardee) του Πανεπιστημίου Μπέρκλεϊ, συγγραφέας του μπεστ-σέλερ Οργάνωση και σχεδίαση υπολογιστών: η διασύνδεση υλικού και λογισμικού. Το βιβλίο Προγραμματισμός μαζικά παράλληλων επεξεργαστών παρουσιάζει με εκπαιδευτικό αλλά και επαγγελματικό τρόπο τις βασικές έννοιες του παράλληλου προγραμματισμού και της αρχιτεκτονικής των GPU. Διερευνώνται σε βάθος διάφορες τεχνικές δημιουργίας παράλληλων προγραμμάτων και παρουσιάζεται, με μελέτες περιπτώσεων, η διαδικασία ανάπτυξης που ξεκινά με την υπολογιστική σκέψη και καταλήγει σε αποτελεσματικά και αποδοτικά παράλληλα προγράμματα. Πιο συγκεκριμένα, στο βιβλίο: Περιγράφονται τεχνικές υπολογιστικής σκέψης που θα σας επιτρέψουν να σκέπτεστε συγκεκριμένα προβλήματα με τρόπους ιδιαίτερα συμβατούς με την παράλληλη υπολογιστική υψηλών επιδόσεων Χρησιμοποιείται η αρχιτεκτονική CUDA (Compute Unified Device Architecture, Αρχιτεκτονική Υπολογισμού Ενοποιημένων Συσκευών), το εργαλείο ανάπτυξης λογισμικού της NVIDIA που δημιουργήθηκε ειδικά για περιβάλλοντα μαζικής παραλληλίας Επιδεικνύεται ο τρόπος με τον οποίο θα επιτύχετε υψηλές επιδόσεις και υψηλή αξιοπιστία με τη χρήση των μοντέλων προγραμματισμού CUDA και OpenCL