Calculul manual pe GPU cu Python

Recenzii ale cititorilor

Cartea prezintă o istorie detaliată a tehnologiei CPU și GPU, dar nu reușește să ofere informații utile și abilități practice legate de calculul și programarea GPU. Îi lipsește concentrarea și nu acoperă în mod adecvat conceptele de programare.

Context istoric clar și bine scris al CPU și GPU; include exemple practice la sfârșitul cărții pentru utilizarea Pytorch și a altor module.

⬤ Prea multă concentrare pe fapte istorice cu puține informații utile sau abilități de programare
⬤ primele 30% din carte sunt inutile
⬤ nu acoperă în profunzime CUDA și PyCUDA
⬤ nu este potrivit pentru cititorii care doresc să își îmbunătățească abilitățile de programare.

(pe baza a 1 recenzii ale cititorilor)

Titlul original:

Hands-On GPU Computing with Python

Conținutul cărții:

Explorați mediul programabil activat de GPU pentru machine learning, aplicații științifice și jocuri utilizând PuCUDA, PyOpenGL și Anaconda Accelerate Caracteristici cheie Înțelegeți strategiile de sincronizare eficiente pentru o procesare mai rapidă utilizând GPU Scrieți scripturi de procesare paralelă cu PyCuda și PyOpenCL Învățați să utilizați bibliotecile CUDA precum CuDNN pentru deep learning pe GPU Descrierea cărții

GPU-urile se dovedesc a fi soluții excelente de calcul paralel cu scop general pentru sarcini de înaltă performanță, cum ar fi învățarea profundă și calculul științific.

Această carte va fi ghidul dvs. pentru a începe cu GPU Computing. Ea va începe cu introducerea calculului GPU și va explica arhitectura și modelele de programare pentru GPU. Veți învăța, prin exemple, cum să efectuați programarea GPU cu Python și veți analiza utilizarea unor integrări precum PyCUDA, PyOpenCL, CuPy și Numba cu Anaconda pentru diverse sarcini precum machine learning și data mining. Mergând mai departe, vă veți familiariza cu fluxurile de lucru, gestionarea și implementarea GPU utilizând soluții moderne de containerizare. Spre sfârșitul cărții, vă veți familiariza cu principiile de calcul distribuit pentru instruirea modelelor de învățare automată și pentru îmbunătățirea eficienței și performanței.

Până la sfârșitul acestei cărți, veți fi capabil să configurați un ecosistem GPU pentru a rula aplicații complexe și modele de date care necesită capacități mari de procesare și să gestionați eficient memoria pentru a vă calcula aplicația eficient și rapid. Ce veți învăța Utilizați bibliotecile și cadrele Python pentru accelerarea GPU Configurați un mediu de machine learning programabil pe GPU pe sistemul dvs. cu Anaconda Implementați sistemul dvs. de machine learning pe containere cloud cu exemple ilustrate Explorați PyCUDA și PyOpenCL și comparați-le cu platforme precum CUDA, OpenCL și ROCm. Efectuați sarcini de extragere a datelor cu modele de învățare automată pe GPU Extindeți-vă cunoștințele despre calculul GPU în aplicații științifice Cui se adresează această carte

Data Scientist, pasionați de Machine Learning și profesioniști care doresc să se inițieze în calculul GPU și să efectueze sarcini complexe cu latență redusă. Se presupun cunoștințe intermediare de programare Python. Table of Contents Introducere în GPU Computing Proiectarea unei strategii de GPU Computing Configurarea unei platforme de GPU Computing cu NVIDIA și AMD Fundamentele programării GPU Configurarea mediului pentru programarea GPU Lucrul cu PyCUDA Lucrul cu PyOpenCL Lucrul cu Anaconda și Anaconda Accelerarea containerizării pe platformele cu GPU Machine Learning pe GPU: Cazuri de utilizare Accelerarea GPU pentru aplicații științifice utilizând Deepchem