آشنایی با برنامه‌نویسی موازی با CUDA

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

دانشجویان یاد خواهند گرفت که چگونه از فریم‌ورک CUDA برای نوشتن نرم‌افزار C++/C که روی CPUها و GPUهای Nvidia اجرا می‌شود، استفاده کنند.
دانشجویان الگوریتم‌ها و برنامه‌های متوالی CPU را به CUDA kernels تبدیل خواهند کرد که 100 تا 1000 برابر به طور همزمان روی سخت‌افزار GPU اجرا می‌شوند.

توضیحات دوره:

این دوره به دانشجویان کمک می‌کند تا برای توسعه کدهایی که می‌توانند حجم زیادی از داده‌ها را به صورت موازی روی واحدهای پردازش گرافیکی (GPU) پردازش کنند، آماده شوند. آنها یاد خواهند گرفت که چگونه نرم‌افزاری را پیاده‌سازی کنند که می‌تواند مشکلات پیچیده را با استفاده از پیشروترین GPUهای consumer تا سازمانی موجود با استفاده از Nvidia CUDA حل کند. آنها بر قابلیت‌های سخت‌افزاری و نرم‌افزاری، شامل استفاده از 100 تا 1000 رشته (thread) و اشکال مختلف حافظه، تمرکز خواهند کرد.

آشنایی با برنامه‌نویسی موازی با CUDA

فصل 1: مرور کلی دوره

تخصص برنامه‌نویسی GPU 3:04
انتظارات دوره 2:50
مرور کلی آزمایشگاه Coursera و تکلیف 5:00
مرور کلی دوره None
سرفصل‌های دوره None
منابع VS Code و GitHub None
مطالب خواندنی ++C None

فصل 2: Threads، بلوک‌ها و گریدها

اجرای Kernel 6:25
تقسیم و حل الگوریتم‌های GPU 5:45
ویدئوی مرور کلی آزمایشگاه ماژول 2 4:02
ویدئوی مرور کلی تسک جستجوی داده تصادفی ماژول 2 4:55
Threads و بلوک‌ها 7:37
Threads، بلوک‌ها و گریدها 6:36
مثال Gaussian Blur Kernel چندبعدی 7:59
ویدئوهای مرور کلی تسک پردازش تصویر ماژول 2 6:20
مطالب خواندنی نرم‌افزار و سخت‌افزار Nvidia CUDA None

فصل 3: حافظه میزبان (Host) و سراسری (Global)

حافظه سراسری (Global Memory) دستگاه Nvidia GPU 3:02
شناسایی دستگاه GPU در Linux CLI 1:53
بررسی حافظه سراسری (Global Memory) دستگاه GPU 2:04
ویدئوی مرور کلی آزمایشگاه فرمان های بررسی دستگاه Nvidia GPU 1:11
تخصیص حافظه میزبان (Host Memory) 5:18
تخصیص حافظه سراسری (Global Memory) دستگاه 3:35
ویدئوی مرور کلی آزمایشگاه تخصیص حافظه میزبان (Host) و حافظه سراسری (Global) دستگاه 3:29
ویدئوی مرور کلی تخصیص و انتساب انواع مختلف حافظه میزبان (Host) و سراسری (Global) 2:22

فصل 4: حافظه مشترک (Shared) و ثابت (Constant)

درس ویدئویی حافظه مشترک (Shared Memory) و ثابت (Constant Memory) دستگاه Nvidia GPU 3:16
بررسی حافظه مشترک و ثابت دستگاه GPU 3:17
تخصیص حافظه مشترک دستگاه GPU 3:15
تخصیص حافظه ثابت دستگاه GPU 4:03
ویدئوی مرور کلی آزمایشگاه پردازش تصویر با حافظه مشترک و ثابت CUDA 3:57
ویدئوی مرور کلی تسک دستکاری تصویر با حافظه مشترک و ثابت CUDA 4:34