دوره برنامه‌نویسی موازی با CUDA و ابزارهای Nsight برای محاسبات علمی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی موازی با CUDA و ابزارهای Nsight برای محاسبات علمی

موضوع کلی: مهندسی نرم‌افزار و محاسبات موازی

موضوع میانی: برنامه‌نویسی و بهینه‌سازی پردازنده‌های گرافیکی (GPU)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات موازی
• 2. مبانی معماری GPU
• 3. معرفی CUDA
• 4. نصب و راه‌اندازی CUDA Toolkit
• 5. اولین برنامه CUDA: HelloWorld
• 6. مدیریت حافظه در CUDA
• 7. انتقال داده بین CPU و GPU
• 8. کرنل‌های CUDA
• 9. مدیریت تردها در CUDA
• 10. شبکه‌های ترد و بلاک‌ها
• 11. همگام‌سازی تردها
• 12. مدیریت خطا در CUDA
• 13. بهینه‌سازی حافظه سراسری
• 14. حافظه اشتراکی
• 15. مدیریت حافظه ثابت
• 16. حافظه سراسری و حافظه اشتراکی
• 17. بهینه‌سازی دسترسی به حافظه
• 18. نمایشگرهای Nsight
• 19. اشکال‌زدایی با Nsight
• 20. پروفایلینگ با Nsight
• 21. تحلیل عملکرد در Nsight
• 22. بهینه‌سازی موازی‌سازی
• 23. کاهش وابستگی داده‌ها
• 24. استفاده از معماری SIMT
• 25. مدیریت جریان داده
• 26. الگوهای برنامه‌نویسی موازی
• 27. کاهش سربار اجرای کرنل
• 28. مدیریت حافظه جهانی و اشتراکی
• 29. استفاده از حافظه ثابت و سراسری
• 30. بهینه‌سازی دسترسی به حافظه سراسری
• 31. تنظیم اندازه بلاک و شبکه ترد
• 32. مدیریت حافظه پویا
• 33. تخصیص حافظه در GPU
• 34. آزاد کردن حافظه در GPU
• 35. استفاده از حافظه پلتفرم
• 36. مدیریت حافظه با استفاده از CUDA API
• 37. بهینه‌سازی استفاده از حافظه GPU
• 38. مقدمه‌ای بر محاسبات علمی با GPU
• 39. پردازش تصویر با CUDA
• 40. پردازش سیگنال با CUDA
• 41. محاسبات عددی با CUDA
• 42. شبیه‌سازی‌های فیزیکی با CUDA
• 43. یادگیری ماشین با CUDA
• 44. پردازش زبان طبیعی با CUDA
• 45. الگوریتم‌های گراف با CUDA
• 46. بهینه‌سازی الگوریتم‌های موازی
• 47. طراحی الگوریتم‌های موازی کارآمد
• 48. تحلیل پیچیدگی الگوریتم‌های موازی
• 49. مقایسه الگوریتم‌های موازی
• 50. اجرای الگوریتم‌های موازی بر روی GPU
• 51. بهینه‌سازی الگوریتم‌های مرتب‌سازی موازی
• 52. بهینه‌سازی الگوریتم‌های جستجوی موازی
• 53. بهینه‌سازی الگوریتم‌های ضرب ماتریس موازی
• 54. بهینه‌سازی الگوریتم‌های تبدیل فوریه موازی
• 55. ابزارهای تحلیل عملکرد Nsight
• 56. تفسیر گزارش‌های Nsight
• 57. شناسایی گلوگاه‌های عملکرد
• 58. استراتژی‌های بهینه‌سازی عملکرد
• 59. بهینه‌سازی حافظه در Nsight
• 60. بهینه‌سازی دسترسی به حافظه در Nsight
• 61. بهینه‌سازی استفاده از حافظه اشتراکی
• 62. بهینه‌سازی استفاده از حافظه ثابت
• 63. بهینه‌سازی استفاده از حافظه سراسری
• 64. بهینه‌سازی استفاده از حافظه پویا
• 65. بهینه‌سازی استفاده از حافظه پلتفرم
• 66. بهینه‌سازی اجرای کرنل
• 67. کاهش سربار اجرای کرنل
• 68. مدیریت درست تردها
• 69. همگام‌سازی موثر تردها
• 70. مدیریت درست بلاک‌ها
• 71. بهینه‌سازی ارتباط بین تردها
• 72. بهینه‌سازی استفاده از SIMT
• 73. مدیریت جریان داده در GPU
• 74. استفاده بهینه از منابع GPU
• 75. مقدمه‌ای بر CUDA C++
• 76. ساختار برنامه CUDA C++
• 77. کامپایل و لینک برنامه‌های CUDA
• 78. استفاده از توابع کتابخانه CUDA
• 79. مدیریت خطا در CUDA C++
• 80. دیباگ کردن برنامه‌های CUDA C++
• 81. پروفایل کردن برنامه‌های CUDA C++
• 82. بهینه‌سازی برنامه‌های CUDA C++
• 83. مدیریت حافظه در CUDA C++
• 84. استفاده از حافظه سراسری
• 85. استفاده از حافظه اشتراکی
• 86. استفاده از حافظه ثابت
• 87. استفاده از حافظه سراسری و اشتراکی
• 88. استفاده از حافظه پلتفرم
• 89. تکنیک‌های پیشرفته CUDA
• 90. برنامه‌نویسی چند پردازنده‌ای
• 91. معماری‌های نوین GPU
• 92. محاسبات علمی پیشرفته با GPU
• 93. کاربرد GPU در هوش مصنوعی
• 94. تکنیک‌های یادگیری عمیق با GPU
• 95. پردازش داده‌های بزرگ با GPU
• 96. امنیت محاسبات با GPU
• 97. ملاحظات اخلاقی در محاسبات GPU
• 98. آینده محاسبات موازی و GPU