کتاب CUDA با مثال‌های عملی: کتاب جامع شتاب‌دهی محاسبات روی GPU
, ,

کتاب CUDA با مثال‌های عملی: کتاب جامع شتاب‌دهی محاسبات روی GPU

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000008149 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 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

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب CUDA با مثال‌های عملی: کتاب جامع شتاب‌دهی محاسبات روی GPU

موضوع کلی: پردازش موازی

موضوع میانی: برنامه‌نویسی GPU

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر پردازش موازی و معماری GPU
  • 2. معماری CUDA: بلوک‌ها، گریدها و تردها
  • 3. نصب و پیکربندی CUDA Toolkit
  • 4. اولین برنامه CUDA: Hello, World!
  • 5. معرفی حافظه‌های GPU: global, shared, constant, texture
  • 6. کپی کردن داده بین CPU و GPU
  • 7. توابع کرنل: تعریف و اجرا
  • 8. مدیریت Thread ID و Block ID
  • 9. سینکرونایز کردن تردها در یک بلاک: __syncthreads()
  • 10. معرفی کاهش (Reduction) در CUDA
  • 11. کاهش جمع: پیاده‌سازی بهینه
  • 12. کاهش ضرب: مقابله با سرریز
  • 13. کاهش بیشینه/کمینه
  • 14. الگوریتم‌های اسکن (Prefix Sum): معرفی و پیاده‌سازی
  • 15. اسکن انحصاری (Exclusive Scan)
  • 16. اسکن فراگیر (Inclusive Scan)
  • 17. استفاده از حافظه اشتراکی برای اسکن
  • 18. ضرب ماتریس: الگوریتم ساده
  • 19. بهینه‌سازی ضرب ماتریس با استفاده از حافظه اشتراکی
  • 20. تایلینگ (Tiling) در ضرب ماتریس
  • 21. ضرب ماتریس پراکنده (Sparse Matrix Multiplication)
  • 22. تبدیل ماتریس‌ها: از CSR به COO
  • 23. الگوریتم های مرتب سازی: معرفی مرتب سازی بیتونیک (Bitonic Sort)
  • 24. پیاده‌سازی مرتب سازی بیتونیک روی GPU
  • 25. مرتب سازی ادغامی (Merge Sort) روی GPU
  • 26. الگوریتم‌های جستجو: جستجوی دودویی (Binary Search) روی GPU
  • 27. جستجوی k-نزدیکترین همسایه (k-NN)
  • 28. مقدمه‌ای بر بافت (Texture) در CUDA
  • 29. خواندن و نوشتن بافت
  • 30. فیلتر کردن بافت: فیلترهای خطی و مکعبی
  • 31. استفاده از بافت برای شتاب‌دهی محاسبات
  • 32. CUDA Streams: اجرای همزمان کرنل‌ها
  • 33. مدیریت Stream ها: ایجاد، همگام سازی و نابود کردن
  • 34. همپوشانی انتقال داده و محاسبات
  • 35. استفاده از چند GPU برای شتاب‌دهی بیشتر
  • 36. CUDA Events: زمان‌بندی و اندازه‌گیری عملکرد
  • 37. پروفایل‌گیری CUDA: استفاده از NVIDIA Nsight
  • 38. بهینه‌سازی کد CUDA: شناسایی گلوگاه‌ها
  • 39. اصول بهینه‌سازی حافظه: الگوهای دسترسی Coalesced
  • 40. اصول بهینه‌سازی محاسباتی: تقسیم کار متعادل
  • 41. کتابخانه‌های CUDA: cuBLAS (جبر خطی پایه)
  • 42. کتابخانه‌های CUDA: cuFFT (تبدیل فوریه سریع)
  • 43. کتابخانه‌های CUDA: cuSPARSE (محاسبات ماتریس پراکنده)
  • 44. کتابخانه‌های CUDA: cuSOLVER (حل مسائل خطی)
  • 45. کتابخانه‌های CUDA: Thrust (الگوریتم‌های موازی)
  • 46. برنامه‌نویسی شیءگرا با CUDA
  • 47. تعریف کلاس‌ها و توابع عضو در کرنل
  • 48. استفاده از الگوها (Templates) در CUDA
  • 49. اشکال‌زدایی کد CUDA: استفاده از CUDA-GDB
  • 50. مدیریت خطاها در CUDA
  • 51. بهینه‌سازی حافظه: استفاده از حافظه Page-Locked
  • 52. CUDA Memory Pools
  • 53. CUDA Unified Memory
  • 54. CUDA Graph
  • 55. DirectX و OpenGL Interoperability with CUDA
  • 56. OpenCL vs. CUDA: مقایسه و بررسی
  • 57. مقدمه‌ای بر محاسبات ناهمگن
  • 58. کاربردهای CUDA: پردازش تصویر
  • 59. کاربردهای CUDA: پردازش ویدئو
  • 60. کاربردهای CUDA: شبیه‌سازی فیزیکی
  • 61. کاربردهای CUDA: یادگیری ماشین
  • 62. کاربردهای CUDA: محاسبات مالی
  • 63. کاربردهای CUDA: بیوانفورماتیک
  • 64. شبکه‌های عصبی کانولوشنال (Convolutional Neural Networks) با CUDA
  • 65. Backpropagation با CUDA
  • 66. پیاده‌سازی لایه‌های مختلف شبکه‌های عصبی با CUDA
  • 67. توابع فعال‌سازی (Activation Functions) با CUDA
  • 68. بهینه‌سازها (Optimizers) با CUDA
  • 69. انتقال یادگیری (Transfer Learning) با CUDA
  • 70. کوآنتیزه‌سازی (Quantization) مدل‌های یادگیری ماشین با CUDA
  • 71. توزیع و استقرار برنامه‌های CUDA
  • 72. CUDA on Embedded Systems: NVIDIA Jetson
  • 73. CUDA on Cloud: AWS, Google Cloud, Azure
  • 74. ادغام CUDA با فریم‌ورک‌های یادگیری ماشین (TensorFlow, PyTorch)
  • 75. CUDA و Docker
  • 76. پردازش زبان طبیعی (NLP) با CUDA
  • 77. مدل‌های زبانی بزرگ (Large Language Models) و CUDA
  • 78. بهینه‌سازی مدل‌های زبانی بزرگ برای GPU
  • 79. الگوریتم‌های خوشه بندی (Clustering) با CUDA
  • 80. الگوریتم‌های طبقه‌بندی (Classification) با CUDA
  • 81. تصویرسازی داده (Data Visualization) با CUDA
  • 82. تولید محتوا (Content Generation) با CUDA
  • 83. واقعیت افزوده (Augmented Reality) و واقعیت مجازی (Virtual Reality) با CUDA
  • 84. موتورهای بازی‌سازی (Game Engines) و CUDA
  • 85. شبیه‌سازی‌های علمی (Scientific Simulations) با CUDA
  • 86. هوش مصنوعی مولد (Generative AI) با CUDA
  • 87. پردازش سیگنال (Signal Processing) با CUDA
  • 88. رمزنگاری (Cryptography) با CUDA
  • 89. روش‌های Monte Carlo با CUDA
  • 90. حل معادلات دیفرانسیل با مشتقات جزئی (PDEs) با CUDA
  • 91. CUDA Dynamic Parallelism
  • 92. CUDA Runtime API پیشرفته
  • 93. CUDA Driver API پیشرفته
  • 94. بهینه‌سازی مصرف انرژی در CUDA
  • 95. امنیت در CUDA
  • 96. آینده CUDA و پردازش موازی
  • 97. مقدمه‌ای بر AMD ROCm و HIP
  • 98. مقایسه CUDA و HIP
  • 99. انتقال کد از CUDA به HIP
  • 100. تکنیک‌های پیشرفته بهینه‌سازی کرنل

📚 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

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب CUDA با مثال‌های عملی: کتاب جامع شتاب‌دهی محاسبات روی GPU”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا