Графический процессор (англ. graphics processing unit, GPU) — отдельное устройство персонального компьютера или игровой приставки, выполняющее графический рендеринг; в начале 2000-х годов графические процессоры стали массово применяться и в других устройствах: планшетные компьютеры, встраиваемые системы, цифровые телевизоры. В статье подробно разбираются принципы работы GPU, в том числе отличие GPU от CPU.
═════════════
https://vk.com/wall-51126445_31386
═════════════
#hardware #железо #электроника #схемотехника #архитектура #gpu #cpu
═════════════
https://vk.com/wall-51126445_31386
═════════════
#hardware #железо #электроника #схемотехника #архитектура #gpu #cpu
Альманах_Искусственный_интеллект_9_выпусков.7z
54.1 MB
📚 Альманах "Искусственный интеллект" ( 9 выпусков )
Выпуск №1 Обзор рынка ИИ
России и мира
Выпуск №2 Обработка естественного языка, распознавание и синтез речи
Выпуск №3 Computer vision & image processing
Выпуск №4 Итоги 2019
Выпуск №5 Предиктивная аналитика и системы поддержки принятия решений
Выпуск №6 Регулирование ИИ
Выпуск №7 Обучение с подкреплением
Выпуск №8 Индекс 2020
Выпуск №9 Аппаратное обеспечение для ИИ
#ИИ #искусственный_интеллект #аппаратное_обеспечение #hardware #AI #аналитика #процессор #машинное_обучение #GPU #CPU #NVidia #TPU
Выпуск №1 Обзор рынка ИИ
России и мира
Выпуск №2 Обработка естественного языка, распознавание и синтез речи
Выпуск №3 Computer vision & image processing
Выпуск №4 Итоги 2019
Выпуск №5 Предиктивная аналитика и системы поддержки принятия решений
Выпуск №6 Регулирование ИИ
Выпуск №7 Обучение с подкреплением
Выпуск №8 Индекс 2020
Выпуск №9 Аппаратное обеспечение для ИИ
#ИИ #искусственный_интеллект #аппаратное_обеспечение #hardware #AI #аналитика #процессор #машинное_обучение #GPU #CPU #NVidia #TPU
Программирование_GPU_при_помощи_Python_и_CUDA_2020_Бриан_Тоуманнен.pdf
6.6 MB
📗 Программирование GPU при помощи Python и CUDA [2020] Бриан Тоуманнен
Книга предлагает быстрое погружение в программирование GPU. Вы узнаете, как применять закон Амдала, использовать профилировщик для определения узких мест в коде на Python, настроить окружения для программирования GPU. По мере чтения вы будете запускать свой код на GPU и писать полноценные ядра и функции на CUDA C, научитесь отлаживать код при помощи NSight IDE и получите представление об известных библиотеках от NVIDIA, в частности cuFFT и cuBLAS. Вооружившись этими знаниями, вы сможете написать с нуля глубокую нейронную сеть, использующую GPU, и изучить более основательные темы. Книга предназначена для разработчиков и специалистов по обработке данных, которые хотят познакомиться с основами эффективного программирования GPU для улучшения быстродействия, используя программирование на Python. #python #gpu #программирование
Книга предлагает быстрое погружение в программирование GPU. Вы узнаете, как применять закон Амдала, использовать профилировщик для определения узких мест в коде на Python, настроить окружения для программирования GPU. По мере чтения вы будете запускать свой код на GPU и писать полноценные ядра и функции на CUDA C, научитесь отлаживать код при помощи NSight IDE и получите представление об известных библиотеках от NVIDIA, в частности cuFFT и cuBLAS. Вооружившись этими знаниями, вы сможете написать с нуля глубокую нейронную сеть, использующую GPU, и изучить более основательные темы. Книга предназначена для разработчиков и специалистов по обработке данных, которые хотят познакомиться с основами эффективного программирования GPU для улучшения быстродействия, используя программирование на Python. #python #gpu #программирование
📙 Сверхбыстрый Python [2023] Тиаго Антао
📗 Fast Python: High performance techniques for large datasets [2023] Tiago Rodrigues Antao
⚠️ Книги предоставляется вам для ознакомления и не для распространения
💳 Купить книгу
💾 Ознакомиться c RU+EN
Книга предназначена для разработчиков Python, знакомых с основами языка и принципами конкурентных вычислений.
What’s Inside
• Rewriting critical code in Cython
• Designing persistent data structures
• Tailoring code for different architectures
• Implementing Python GPU computing
👨🏻💻 Для тех, кто захочет пожертвовать на покупку новых книг и на кофе:
ЮMoney:
📗 Fast Python: High performance techniques for large datasets [2023] Tiago Rodrigues Antao
⚠️ Книги предоставляется вам для ознакомления и не для распространения
💳 Купить книгу
💾 Ознакомиться c RU+EN
Книга предназначена для разработчиков Python, знакомых с основами языка и принципами конкурентных вычислений.
What’s Inside
• Rewriting critical code in Cython
• Designing persistent data structures
• Tailoring code for different architectures
• Implementing Python GPU computing
👨🏻💻 Для тех, кто захочет пожертвовать на покупку новых книг и на кофе:
ЮMoney:
410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206
#программирование #python #Cython #GPU #оптимизация #рефакторинг📙 Troubleshooting Java: Read, debug, and optimize JVM applications [2023] Laurentiu Spilca
📕 Java устранение проблем [2023] Лауренциу Спилкэ
⚠️ Книги предоставляется вам для ознакомления и не для распространения
💳 Купить книгу
💾 Ознакомиться c RU+EN
Эффективное чтение и понимание существующего кода - это сверхспособность разработчика. В этой книге вы освоите методы профилирования кода, расширенной отладки и анализа журналов для поиска и исправления ошибок и проблем с производительностью. В разделе Устранение неполадок Java: чтение, отладка и оптимизация приложений JVM вы узнаете, как:
• Определите, что делает код, когда вы видите его в первый раз.
• Выявлять проблемы с логикой кода
• Оценивайте дампы кучи для поиска утечек памяти
• Контролируйте потребление процессора для оптимизации выполнения
• Используйте дампы потоков для поиска и устранения взаимоблокировок
• Легко использовать сервис-ориентированную систему или систему микросервисов
• Правильно используйте ведение журнала, чтобы лучше понять выполнение Java-приложения
• Эффективно использовать Java-отладчики
👨🏻💻 Для тех, кто захочет пожертвовать на покупку новых книг и на кофе:
ЮMoney:
📕 Java устранение проблем [2023] Лауренциу Спилкэ
⚠️ Книги предоставляется вам для ознакомления и не для распространения
💳 Купить книгу
💾 Ознакомиться c RU+EN
Эффективное чтение и понимание существующего кода - это сверхспособность разработчика. В этой книге вы освоите методы профилирования кода, расширенной отладки и анализа журналов для поиска и исправления ошибок и проблем с производительностью. В разделе Устранение неполадок Java: чтение, отладка и оптимизация приложений JVM вы узнаете, как:
• Определите, что делает код, когда вы видите его в первый раз.
• Выявлять проблемы с логикой кода
• Оценивайте дампы кучи для поиска утечек памяти
• Контролируйте потребление процессора для оптимизации выполнения
• Используйте дампы потоков для поиска и устранения взаимоблокировок
• Легко использовать сервис-ориентированную систему или систему микросервисов
• Правильно используйте ведение журнала, чтобы лучше понять выполнение Java-приложения
• Эффективно использовать Java-отладчики
👨🏻💻 Для тех, кто захочет пожертвовать на покупку новых книг и на кофе:
ЮMoney:
410012169999048
Карта ВТБ: 4272290768112195
Карта Сбербанк: 2202200638175206
#программирование #Java #JVM #GPU #оптимизация #рефакторинг📘 CUDA Fortran for Scientists and Engineers [2011] Greg Ruetsch, Massimiliano Fatica
📗 CUDA Fortran для инженеров и научных работников [2014] Грегори Рутш, Массимилиано Фатика
💾 Скачать книгу
В этом документе используются компиляторы PGI 11.x, которые можно получить по адресу pgroup.com. Хотя примеры могут быть скомпилированы и запущены в любой поддерживаемой операционной системе в различных средах разработки, примеры в этом документе скомпилированы из командной строки, как это было бы сделано в Linux или Mac OS X.
#математика #CUDA #GPU #графика #наука #Fortran #моделирование #физика #physics #инженерия #параллельные_вычисления
💡 Physics.Math.Code // @physics_lib
📗 CUDA Fortran для инженеров и научных работников [2014] Грегори Рутш, Массимилиано Фатика
💾 Скачать книгу
В этом документе используются компиляторы PGI 11.x, которые можно получить по адресу pgroup.com. Хотя примеры могут быть скомпилированы и запущены в любой поддерживаемой операционной системе в различных средах разработки, примеры в этом документе скомпилированы из командной строки, как это было бы сделано в Linux или Mac OS X.
#математика #CUDA #GPU #графика #наука #Fortran #моделирование #физика #physics #инженерия #параллельные_вычисления
💡 Physics.Math.Code // @physics_lib
CUDA Fortran for Scientists and Engineers.zip
45.8 MB
📘 CUDA Fortran for Scientists and Engineers [2011] Greg Ruetsch, Massimiliano Fatica
This document in intended for scientists and engineers who develop or maintain computer simulations and applications in Fortran, and who would like to harness parallel processing power of graphics processing units (GPUs) to accelerate their code. The goal here is to provide the reader with the fundamentals of GPU programming using CUDA Fortran as well as some typical examples without having the task of developing CUDA Fortran code becoming an end in itself. The CUDA architecture was developed by NVIDIA to allow use of the GPU for general purpose computing without requiring the programmer to have a background in graphics. There are many ways to access the CUDA architecture from a programmer’s perspective, either through C/C++ from CUDA C and Open CL, or through Fortran using PGI’s CUDA Fortran. This document pertains to the latter approach. PGI’s CUDA Fortran should be distinguished from the PGI Accelerator product, which is a directive based approach to using the GPU. CUDA Fortran is simply the Fortran analog to CUDA C. The reader of this book should be familiar with Fortran 90 concepts, such as modules, derived types, and array operations. However, no experience with parallel programming (on the GPU or otherwise) is required. Part of the appeal of parallel programming on GPUs using CUDA is that the programming model is simple and novices can get parallel code up and running very quickly. CUDA is a hybrid programming model, where both GPU and CPU are utilized, so CPU code can be incrementally ported to the GPU. This document is divided into two main sections, the first is a tutorial on CUDA Fortran programming, from the basics of writing CUDA Fortran code to some tips on optimization. The second part of this document is a collection of case studies that demonstrate how the principles in the first section are applied to real-world examples.
📗 CUDA Fortran для инженеров и научных работников [2014] Грегори Рутш, Массимилиано Фатика
Fortran – один из важнейших языков программирования для высокопроизводительных вычислений, для которого было разработано множество популярных пакетов программ для решения вычислительных задач. Корпорация NVIDIA совместно с The Portland Group (PGI) разработали набор расширений к языку Fortran, которые позволяют использовать технологию CUDA на графических картах NVIDIA для ускорения вычислений.
Книга демонстрирует всю мощь и гибкость этого расширенного языка для создания высокопроизводительных вычислений. Не требуя никаких предварительных познаний в области параллельного программирования, авторы скрупулезно, шаг за шагом, раскрывают основы создания высокопроизводительных параллельных приложений, попутно поясняя важные архитектурные детали современного графического процессора – ускорителя вычислений.
Издание предназначено для инженеров, научных работников, программистов, в также будет полезно студентам вузов соответствующих специальностей. #математика #CUDA #GPU #графика #наука #Fortran #моделирование #физика #physics #инженерия #параллельные_вычисления
💡 Physics.Math.Code // @physics_lib
This document in intended for scientists and engineers who develop or maintain computer simulations and applications in Fortran, and who would like to harness parallel processing power of graphics processing units (GPUs) to accelerate their code. The goal here is to provide the reader with the fundamentals of GPU programming using CUDA Fortran as well as some typical examples without having the task of developing CUDA Fortran code becoming an end in itself. The CUDA architecture was developed by NVIDIA to allow use of the GPU for general purpose computing without requiring the programmer to have a background in graphics. There are many ways to access the CUDA architecture from a programmer’s perspective, either through C/C++ from CUDA C and Open CL, or through Fortran using PGI’s CUDA Fortran. This document pertains to the latter approach. PGI’s CUDA Fortran should be distinguished from the PGI Accelerator product, which is a directive based approach to using the GPU. CUDA Fortran is simply the Fortran analog to CUDA C. The reader of this book should be familiar with Fortran 90 concepts, such as modules, derived types, and array operations. However, no experience with parallel programming (on the GPU or otherwise) is required. Part of the appeal of parallel programming on GPUs using CUDA is that the programming model is simple and novices can get parallel code up and running very quickly. CUDA is a hybrid programming model, where both GPU and CPU are utilized, so CPU code can be incrementally ported to the GPU. This document is divided into two main sections, the first is a tutorial on CUDA Fortran programming, from the basics of writing CUDA Fortran code to some tips on optimization. The second part of this document is a collection of case studies that demonstrate how the principles in the first section are applied to real-world examples.
📗 CUDA Fortran для инженеров и научных работников [2014] Грегори Рутш, Массимилиано Фатика
Fortran – один из важнейших языков программирования для высокопроизводительных вычислений, для которого было разработано множество популярных пакетов программ для решения вычислительных задач. Корпорация NVIDIA совместно с The Portland Group (PGI) разработали набор расширений к языку Fortran, которые позволяют использовать технологию CUDA на графических картах NVIDIA для ускорения вычислений.
Книга демонстрирует всю мощь и гибкость этого расширенного языка для создания высокопроизводительных вычислений. Не требуя никаких предварительных познаний в области параллельного программирования, авторы скрупулезно, шаг за шагом, раскрывают основы создания высокопроизводительных параллельных приложений, попутно поясняя важные архитектурные детали современного графического процессора – ускорителя вычислений.
Издание предназначено для инженеров, научных работников, программистов, в также будет полезно студентам вузов соответствующих специальностей. #математика #CUDA #GPU #графика #наука #Fortran #моделирование #физика #physics #инженерия #параллельные_вычисления
💡 Physics.Math.Code // @physics_lib