Einführung in die parallele Programmierung mit GPU

Im Zeitalter von Big Data und maschinellem Lernen kommt die herkömmliche sequentielle Programmierung bei der Verarbeitung riesiger Datensätze oft zu kurz. Wenn Sie die parallele Programmierung auf Grafikprozessoren (GPUs) beherrschen, können Sie eine immense Rechenleistung freisetzen, indem Sie Tausende von Operationen gleichzeitig ausführen. Dieser reine Textkurs führt Sie durch die grundlegenden Konzepte der Parallelität, der parallelen Ausführung und der GPU-Architektur, sodass Sie leistungsstarke Programme entwerfen und schreiben können. Lernziele: Verstehen der grundlegenden Unterschiede zwischen CPU- und GPU-Architekturen und parallelen Ausführungsmodellen; Erlernen der grundsätzlichen Terminologie der parallelen Programmierung, einschließlich Threads, Blöcke und Gitter; Üben des Entwurfs paralleler Algorithmen für datenintensive Operationen wie Matrixmultiplikation und -reduktion; Erkunden des modernen Speichers Hierarchiekonzepte, einschließlich globaler, gemeinsam genutzter und lokaler Speicheroptimierung; Identifizieren und Lösen häufiger Konkurrenzprobleme wie Wettlaufbedingungen, Deadlocks und Synchronisationsengpässe; Entdecken Sie moderne parallele Programmierframeworks und ihre realen Anwendungen in der Datenwissenschaft. Sie beginnen mit der wesentlichen Terminologie und der physischen Architektur von GPUs, bevor Sie durch detaillierte, schriftliche Code-Walk-Throughs zu praktischen Parallel-Execution-Mustern und Speichermanagement-Strategien übergehen. Dieser Kurs richtet sich an Entwickler und Informatikstudenten, die sich für Hochleistungsrechnen interessieren, ohne dass vorherige GPU-Programmiererfahrung erforderlich ist. Beginnen Sie noch heute mit dem Lesen, um die wahre Leistung des Parallel Computing zu nutzen.