اکسپرس 24
کتاب آموزش برنامه‌نویسی parallel با CUDA

کتاب آموزش برنامه‌نویسی parallel با CUDA

تگ‌ها: CUDA GPU Nvidia parallel computing برنامه‌نویسی موازی بهینه‌سازی کد پردازش گرافیکی پردازش موازی محاسبات موازی یادگیری عمیق

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش برنامه‌نویسی parallel با CUDA

موضوع کلی: برنامه نویسی

موضوع میانی: زبان‌های برنامه‌نویسی**

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر محاسبات موازی و معماری GPU
  • 2. معماری سخت‌افزاری CUDA: Streaming Multiprocessors و Warp
  • 3. نصب و راه‌اندازی CUDA Toolkit و تنظیم محیط توسعه
  • 4. ساختار یک برنامه CUDA: Host و Device
  • 5. مدل اجرای Kernel: Grid، Block و Thread
  • 6. شاخص‌گذاری Threadها و نگاشت به داده
  • 7. مدیریت حافظه Device: cudaMalloc و cudaMemcpy
  • 8. مفاهیم Bandwidth و Latency در حافظه GPU
  • 9. انواع حافظه در CUDA: Global، Shared، Local
  • 10. بهینه‌سازی دسترسی به حافظه Global با Coalescing
  • 11. حافظه Shared و کاربرد آن در کاهش پهنای باند
  • 12. همگام‌سازی Threadها با __syncthreads
  • 13. عملیات اتمی در CUDA و مدیریت Race Condition
  • 14. پروفایلینگ با NVIDIA Nsight و ابزارهای تحلیل
  • 15. معرفی کتابخانه Thrust برای الگوریتم‌های موازی
  • 16. برنامه‌نویسی با Streamها و هم‌پوشانی عملیات
  • 17. مدیریت خطا و بررسی بازگشت توابع CUDA
  • 18. بهینه‌سازی Occupancy و تنظیم اندازه Block
  • 19. الگوریتم کاهش (Reduction) موازی در CUDA
  • 20. پیاده‌سازی جمع برداری و ضرب ماتریس
  • 21. الگوریتم مرتب‌سازی موازی: Bitonic Sort
  • 22. الگوریتم Scan (Prefix Sum) موازی
  • 23. مدیریت حافظه Unified Memory و تفاوت آن
  • 24. استفاده از حافظه Constant و Texture
  • 25. تکنیک‌های پیش‌بینی Branch در Warp
  • 26. برنامه‌نویسی CUDA با کتابخانه cuBLAS
  • 27. مبانی محاسبات Sparse با cuSPARSE
  • 28. عملیات FFT با کتابخانه cuFFT
  • 29. مقدمه‌ای بر Tensor Cores و کاربرد در یادگیری عمیق
  • 30. استفاده از CUDA در پایتون با PyCUDA و Numba
  • 31. دیباگینگ کد CUDA با cuda-gdb
  • 32. مدل حافظه CUDA: Visibility و Consistency
  • 33. بهینه‌سازی حلقه‌ها و Unrolling در Kernel
  • 34. محاسبات با دقت پایین (Half Precision) در CUDA
  • 35. تکنیک‌های انتقال داده ناهم‌زمان
  • 36. استفاده از Multiple GPU با CUDA
  • 37. مدیریت Context و Device در محیط‌های چند GPU
  • 38. الگوریتم‌های تصویربرداری و پردازش تصویر با CUDA
  • 39. شبیه‌سازی دینامیک مولکولی و N-Body با CUDA
  • 40. پیاده‌سازی شبکه‌های عصبی ساده با CUDA
  • 41. مفاهیم Cooperative Groups و همکاری Blockها
  • 42. برنامه‌نویسی CUDA در معماری‌های جدید (Ampere, Hopper)
  • 43. بهینه‌سازی مصرف انرژی در برنامه‌های CUDA
  • 44. استفاده از Dynamic Parallelism در CUDA
  • 45. الگوریتم‌های گراف موازی با CUDA
  • 46. مدیریت استثنا و خطاهای حافظه در CUDA
  • 47. تکنیک‌های Profiling مبتنی بر Metric
  • 48. بهینه‌سازی Warp Shuffle برای کاهش حافظه Shared
  • 49. محاسبات تصادفی و Random Number Generation در GPU
  • 50. مقایسه عملکرد CPU و GPU در بارهای کاری مختلف
  • 51. مبانی OpenACC و انتقال کد از CUDA
  • 52. یکپارچه‌سازی CUDA با MPI برای محاسبات توزیع‌شده
  • 53. مدل برنامه‌نویسی Heterogeneous با CPU و GPU
  • 54. پیاده‌سازی الگوریتم‌های جستجوی موازی
  • 55. بهینه‌سازی کد برای کاهش Divergence در Warp
  • 56. تکنیک‌های پیشرفته مدیریت حافظه: Pooling و Pinning
  • 57. استفاده از CUDA Graph برای کاهش Overhead
  • 58. توسعه Kernelهای بهینه با Intrinsics
  • 59. مفاهیم Time-Slicing و Priority در Streamها
  • 60. برنامه‌نویسی Real-time با CUDA و محدودیت‌ها
  • 61. پیاده‌سازی فیلترهای عددی و سیگنال با CUDA
  • 62. الگوریتم‌های رمزنگاری موازی با CUDA
  • 63. مدیریت پروژه‌های بزرگ CUDA با Makefile و CMake
  • 64. ارزیابی عملکرد و Benchmarking در CUDA

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.