基于MATLAB的GPU编程

本书是对一系列专业MATLAB参考书的重要补充。很多MATLAB参考书通常将重点放在特定的工程领域，而本书主要针对那些熟悉MATLAB并希望使用多核处理器和GPU并行来提高程序运行速度的用户。近年来，并行计算技术虽然已被不错计算机广泛应用，但是对于普通MATLAB用户来说，还存在一定的技术门槛。现代计算机普遍安装了多核CPU和功能强大的GPU，计算密集型MATLAB程序如果无法使用这些资源进行并行加速，将是一种严重的计算资源浪费。然而，鲜有资料能够详细介绍如何正确地将MATLAB程序运行在GPU上。此外，虽然MATLAB帮助文档中有对并行计算的初步介绍，但是对于专业的并行开发来说还是远远不够的。我相信本书能够填补这一空白。本书详细介绍了MATLAB中的GPU编程，从概述开始讨论了如何使用方便的gpuArray，详细介绍了如何编译CUDA内核并将其集成到MEX文件中，读者可以从由浅入深、循序渐进的讲解中获取知识。本书介绍了很多实例，包括对内存或带宽等实际的讨论，使不同工程学科的用户都能够有所收获。针对难以理解和解决的MATLAB错误信息，本书也提供了相应的解决方案。虽然本书没有详细介绍MATLAB性能调优的更多细节，但是对于MATLAB的GPU编程的讨论是很好详细且新颖的。随着GPU编程的普及，这本专业、详细且可读性强的书籍将备受欢迎，成为任何一个想利用GPU将自己的MATLAB程序进行并行化的程序员的推荐阅读之作。

Nikolaos Ploskas是希腊西马其顿大学信息与通信工程系的助理教授，他在希腊马其顿大学应用信息系获得了计算机系统理学学士、硕士和博士学位，曾在美国卡内基–梅隆大学化学工程系从事博士后研究，其主要研究方向包括：运筹学、数学规划、线性规划、并行编程、GPU编程、决策支持系统。Ploskas博士参与了多项靠前、重量研究项目，发表论文40余篇，包括高影响力的期刊论文、会议论文以及书籍章节，并担任过许多学术期刊的审稿人。2014年，他获得了HELORS（希腊运筹学协会）颁发的很好运筹学博士学位论文奖。Nikolaos Samaras是希腊马其顿大学信息科学学院应用信息系的教授，研究兴趣是利用计算机科学和运筹学的知识解决各种工程和科学系统的复杂问题，具体包括：线性/非线性优化：理论、算法和软件网络优化：理论、算法和软件科学计算：高性能计算和GPU编程Samaras教授是《Operations Research：An International Journal》的编委，是许多学术期刊的审稿人，并在HELORS担任过多个职务。2005年，他获得了Thomson ISI/ASIS&T引文分析研究基金。Samaras教授已经在高影响力的期刊上发表了30余篇期刊论文，具体包括《Computational Optimization and Applications》《Computers and Operations Research》《European Journal of Operational Research》《Annals of Operations Research》《Journal of Artifi Intelligence Research》《Discrete Optimization》《Applied Mathematics and Computation》《International Journal of Computer Mathematics》《Electronics Letters》《Computer Applications in Engineering Education》《Journal of Computational Science》《Applied Thermal Engineering》等。此外，他还发表了超过85篇会议论文。

目    录译者序推荐序前言关于作者章  引言 11.1  并行编程 11.1.1  并行计算导引 11.1.2  并行计算机的类别 41.1.3  并行计算机的内存架构 61.2  GPU编程 71.3  CUDA架构 71.4  为什么在MATLAB中进行GPU编程，什么情况下使用GPU编程 111.5  本书的组织结构 151.6  本章回顾 16第2章  入门准备 172.1  硬件要求 172.2  软件要求 192.2.1  NVIDIA CUDA 工具包 192.2.2  MATLAB 262.3  本章回顾 29第3章  并行计算工具箱 303.1  产品描述与目标 303.2  并行for循环（parfor） 323.3  单程序多数据（spmd） 433.4  分布式数组和共分布式数组 473.5  交互式并行开发（pmode） 523.6  GPU计算 533.7  集群和作业调度 533.8  本章回顾 57第4章  基于MATLAB的GPU编程介绍 584.1  基于MATLAB的GPU编程特性 584.2  GPU数组 594.3  基于GPU的MATLAB内置函数 664.4  基于GPU的MATLAB逐元素操作 784.5  本章回顾 91第5章  基于MATLAB工具箱的GPU编程 925.1  通信系统工具箱 925.2  图像处理工具箱 1095.3  神经网络工具箱 1125.4  相控阵系统工具箱 1315.5  信号处理工具箱 1365.6  统计和机器学习工具箱 1375.7  本章回顾 142第6章  多GPU并行 1436.1  在指定GPU设备上定义和运行代码 1436.2  多GPU运算举例 1506.3  本章回顾 166第7章  运行CUDA或PTX代码 1687.1  CUDA C编程简介 1687.2  在GPU上通过MATLAB运行CUDA或PTX代码的步骤 1727.3  示例：向量加法 1807.4  示例：矩阵乘法 1827.5  本章回顾 185第8章  包含CUDA代码的MATLAB MEX函数 1868.1  MATLAB MEX文件简介 1868.2  在GPU上执行MATLAB MEX函数的步骤 1918.3  示例：向量加法 1988.4  示例：矩阵乘法 2018.5  本章回顾 204第9章  CUDA加速库 2059.1  引言 2059.2  cuBLAS 2069.3  cuFFT 2109.4  cuRAND 2139.5  cuSOLVER 2169.6  cuSPARSE 2199.7  NPP 2239.8  Thrust 2279.9  本章回顾 2290章  代码分析与GPU性能提升 23010.1  MATLAB分析 23010.2  CUDA分析 24210.3  提升GPU性能的很好实践 24610.4  本章回顾 251参考文献 252