فلش‌کارت‌های آموزشی مبانی محاسبات برداری (Vectorization)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی محاسبات برداری (Vectorization)

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات سطح بالا (HPC)
• 2. چرا به عملکرد بالا نیاز داریم؟ پردازش اسکالر در مقابل پردازش موازی
• 3. پردازش اسکالر چیست و چه محدودیت‌هایی دارد؟
• 4. مفهوم بردارسازی (Vectorization): ایده اصلی
• 5. آشنایی با پارادایم SIMD: یک دستور، چند داده
• 6. تاریخچه مختصر پردازش برداری: از ابرکامپیوترها تا پردازنده‌های مدرن
• 7. معیارهای کلیدی عملکرد: فلاپس، تأخیر و توان عملیاتی
• 8. قانون امدال (Amdahl's Law) و ارتباط آن با بردارسازی
• 9. دیوار حافظه (The Memory Wall) و تأثیر آن بر عملکرد
• 10. مروری بر معماری پردازنده‌های مدرن (CPU)
• 11. مفهوم پایپ‌لاین (Instruction Pipeline) در پردازنده
• 12. معماری سوپراسکالر (Superscalar Architecture)
• 13. رجیسترهای برداری: قلب تپنده SIMD
• 14. آشنایی با رجیسترهای XMM, YMM, ZMM
• 15. مجموعه دستورالعمل‌های SIMD: مروری کلی
• 16. معرفی مجموعه دستورالعمل‌های SSE
• 17. معرفی مجموعه دستورالعمل‌های AVX و AVX2
• 18. معرفی مجموعه دستورالعمل‌های AVX-512
• 19. معرفی FMA (Fused Multiply-Add) و اهمیت آن
• 20. معماری NEON در پردازنده‌های ARM
• 21. معماری SVE (Scalable Vector Extension) در ARM
• 22. سلسله مراتب حافظه: کش L1, L2, L3
• 23. خطوط کش (Cache Lines) و مفهوم False Sharing
• 24. پهنای باند و تأخیر حافظه
• 25. بردارسازی خودکار (Auto-Vectorization) توسط کامپایلر
• 26. نقش کامپایلر در بهینه‌سازی کد
• 27. بردارسازی خودکار حلقه‌ها: اولین مثال عملی
• 28. فلگ‌های کامپایلر برای فعال‌سازی بردارسازی (مثال: gcc, clang)
• 29. چگونه گزارش‌های بردارسازی کامپایلر را بخوانیم و تحلیل کنیم؟
• 30. موانع بردارسازی: وابستگی داده‌ها (Data Dependencies)
• 31. وابستگی‌های حمل‌شده در حلقه (Loop-Carried Dependencies)
• 32. مشکل همپوشانی حافظه (Pointer Aliasing) و کلیدواژه restrict
• 33. تأثیر فراخوانی توابع در داخل حلقه‌ها
• 34. مدیریت دستورات شرطی (if/else) در حلقه‌های برداری‌شده
• 35. بازکردن حلقه (Loop Unrolling) و ارتباط آن با بردارسازی
• 36. ساختارهای داده و بردارسازی: AoS در مقابل SoA
• 37. استفاده از دستورات Pragma برای راهنمایی کامپایلر
• 38. تحلیل کد اسمبلی برای تأیید بردارسازی
• 39. اشتباهات متداول در نوشتن کدهای قابل بردارسازی
• 40. مقدمه‌ای بر توابع ذاتی (Intrinsic Functions)
• 41. چرا و چه زمانی از توابع ذاتی استفاده کنیم؟
• 42. آماده‌سازی محیط توسعه برای کار با توابع ذاتی
• 43. انواع داده‌های ذاتی (Intrinsic Data Types)
• 44. بارگذاری داده‌ها در رجیسترهای برداری: Load
• 45. ذخیره داده‌ها از رجیسترهای برداری: Store
• 46. بارگذاری تراز شده (Aligned) در مقابل بارگذاری نامرتب (Unaligned)
• 47. ایجاد و مقداردهی اولیه بردارهای ثابت
• 48. عملیات حسابی پایه: جمع، تفریق، ضرب و تقسیم برداری
• 49. عملیات برداری روی اعداد صحیح و ممیز شناور
• 50. عملیات منطقی برداری: AND, OR, XOR, NOT
• 51. عملیات مقایسه‌ای و تولید ماسک‌های برداری
• 52. استفاده از ماسک‌ها برای عملیات شرطی
• 53. ترکیب داده‌ها با استفاده از ماسک (Blending)
• 54. تغییر ترتیب عناصر در بردارها: Shuffling
• 55. تغییر جایگشت عناصر در بردارها: Permuting
• 56. عملیات افقی (Horizontal Operations)
• 57. استفاده از توابع ذاتی FMA
• 58. توابع ریاضی برداری: جذر، معکوس جذر و ...
• 59. تبدیل نوع (Casting) بین انواع داده‌های برداری
• 60. مدیریت داده‌های باقیمانده در انتهای حلقه (Cleanup Loop)
• 61. مثال عملی: بردارسازی عملیات SAXPY با توابع ذاتی
• 62. مثال عملی: بردارسازی محاسبه ضرب داخلی (Dot Product)
• 63. اشکال‌زدایی (Debugging) کدهای حاوی توابع ذاتی
• 64. کار با توابع ذاتی AVX و بردارهای ۲۵۶ بیتی
• 65. قابلیت‌های جدید در AVX2: عملیات Gather و دستورات صحیح
• 66. ویژگی‌های پیشرفته AVX-512: ماسک‌نویسی و عملیات جدید
• 67. نوشتن کدهای قابل حمل (Portable) با استفاده از ماکروها
• 68. کپسوله‌سازی توابع ذاتی در کلاس‌های C++
• 69. مفهوم تراز بودن داده‌ها (Data Alignment)
• 70. چگونگی تخصیص حافظه تراز شده (Aligned Memory Allocation)
• 71. الگوهای دسترسی به حافظه: پیوسته در مقابل گام‌دار (Strided)
• 72. چالش عملیات Gather و Scatter در بردارسازی
• 73. برنامه‌نویسی بدون انشعاب (Branchless Programming) برای کدهای شرطی
• 74. بردارسازی عملیات کاهشی (Reductions): جمع، کمینه، بیشینه
• 75. تکنیک‌های بردارسازی عملیات ترانهاده ماتریس (Transpose)
• 76. بردارسازی با انواع داده‌های پیچیده (Complex Numbers)
• 77. یکپارچه‌سازی کدهای برداری با کدهای اسکالر
• 78. جداول تأخیر و توان عملیاتی دستورالعمل‌ها
• 79. استفاده از ابزارهای پروفایلینگ برای شناسایی گلوگاه‌ها (مثال: perf, VTune)
• 80. تکنیک‌های تبدیل ساختار داده از AoS به SoA
• 81. جابجایی حلقه‌ها (Loop Interchange) برای بهبود دسترسی به حافظه
• 82. واکشی اولیه نرم‌افزاری (Software Prefetching)
• 83. دسترسی به حافظه موقت (Non-Temporal)
• 84. مدیریت دقت در محاسبات ممیز شناور برداری
• 85. بردارسازی در کنار موازی‌سازی مبتنی بر نخ (Thread-Level Parallelism)
• 86. مدل روفلاین (Roofline Model) و کاربرد آن در تحلیل عملکرد
• 87. مطالعه موردی ۱: بردارسازی در پردازش تصویر (ترکیب پیکسل‌ها)
• 88. مطالعه موردی ۲: بردارسازی در محاسبات علمی (شبیه‌سازی N-Body)
• 89. مطالعه موردی ۳: بردارسازی در مدل‌سازی مالی (شبیه‌سازی مونت کارلو)
• 90. بردارسازی در زبان‌های برنامه‌نویسی سطح بالاتر (Python با NumPy)
• 91. آینده بردارسازی: نگاهی به RISC-V Vector Extension
• 92. مقایسه عملکرد: بردارسازی خودکار، توابع ذاتی و کد اسکالر
• 93. جمع‌بندی نهایی و بهترین شیوه‌ها در محاسبات برداری
• 94. **بردارسازی خودکار کامپایلر و بهینه‌سازی حلقه‌ها**
• 95. **کتابخانه‌های برداری‌شده: NumPy و BLAS**
• 96. **مقدمه‌ای بر پردازش برداری در GPUها (CUDA/OpenCL)**
• 97. **بردارسازی توابع ریاضی و آماری**
• 98. **استفاده از ابزارهای پروفایلینگ برای شناسایی گلوگاه‌های بردارسازی**
• 99. **بهینه‌سازی طرح‌بندی داده‌ها برای بهبود عملکرد بردارسازی**
• 100. **ملاحظات مربوط به دقت محاسبات در بردارسازی (ممیز شناور)**