GPU编程实战（基于Python和CUDA）
布莱恩·图奥迈宁
2238人在读
14.7万字总字数
¥51.14定价
布莱恩·图奥迈宁
本书旨在引导读者基于 Python 和CUDA 的 GPU 编程开发高性能的应用程序，先后介绍了为什么要学习 GPU 编程、搭建 GPU编程环境、PyCUDA入门等内容，以及 CUDA 代码的调试与性能分析、通过 Scikit-CUDA 模块使用 CUDA 库、实现深度神经网络、CUDA 性能优化等内容。学完上述内容，读者应能从零开始构建基于 GPU的深度神经网络，甚至能够解决与数据科学和 GPU编程高性能计算相关的问题。 本书适合对GPU 编程与 CUDA编程感兴趣的读者阅读。读者应掌握必要的基本数学概念，且需要具备一定的 Python编程经验。
《Gpu编程实战》基于python和cuda，着重于实战，理论介绍很少，对于毫无Gpu编程经验的新手来讲，非常不友好，不适合作为入门书。 可以用到的有以下几点， 一，如何安装python cuda gpu编程的环境。 二，查看gpu参数，比如几核几线程。cuda分为grid-》block -》thread三个维度。 三，编写简单的cuda内核函数以及如何从host调用。 四，如何预编译cuda内核函数。因为如果直接用python动态编译，很耗时间。 一二三四十章可供参考。
比较详细介绍了CUDA编程的一系列基础知识，还有代码样例。虽然对应CUDA版本不是最新的，并且所有技术书籍都会面临版本迭代的问题，但，这本书的概念和机制的介绍是很不错的。 BTW，这本书在微信看代码很费劲，编辑的问题，代码的所有换行都丢掉了。
一本理解GPU的基础工具书，值得推荐。
仅仅适合入门 缺少对于 cuda 硬件的系统的讲解 比如 warp 就在互相访问寄存器那里提了一嘴 对于更多内容 比如内存结构 bank conflict 等等似乎没有涉及
比较现代的书了 但代码都每行连在一起 没法看呀
讲述gpu并行计算的书，在有操作系统的基础上，非常好理解。gpu核心 里有流处理器，流处理器里有很多的计算核心。计算核心数只做简单数学计算。 在硬件基础上就保证了并行计算的速度。
从第7章开始偏应用，需要对相关领域的数学知识比较了解才行。
本书很适合要入门Cuda编程的人