日韩偷拍一区二区,国产香蕉久久精品综合网,亚洲激情五月婷婷,欧美日韩国产不卡

序

前

第1章 多核向量處理器架構

1.1 眾核系統結構

1.2 眾核架構的一致性

1.3 多核向量處理器架構

1.3.1 Intel Haswell CPU架構

1.3.2 ARM A15多核向量處理器架構

1.3.3 AMD GCN GPU架構

1.3.4 NVIDIA Kepler和Maxwell GPU架構

1.4 Intel MIC架構

1.4.1 整體架構

1.4.2 計算單元

1.4.3 存儲器單元

1.4.4 MIC架構上一些容易成為瓶頸的設計

1.5 OpenCL程序在多核向量處理器上的映射

1.5.1 OpenCL程序在多核向量CPU上的映射

1.5.2 OpenCL程序在NVIDIA GPU上的映射

1.5.3 OpenCL程序在AMD GCN上的映射

1.6 OpenCL程序在各眾核硬件上執行的區別

1.7 眾核編程模式

1.8 眾核性能優化

1.9 MIC和GPU編程比較

1.10 本章小結

第2章 常見線性代數算法優化

2.1 稀疏矩陣與向量乘法

2.1.1 稀疏矩陣的存儲格式

2.1.2 CSR 格式稀疏矩陣與向量乘法

2.1.3 ELL格式稀疏矩陣與向量乘

2.2 對稱矩陣與向量乘積

2.2.1 串行代碼

2.2.2 向量化對稱矩陣與向量乘積

2.2.3 OpenMP 并行化

2.2.4 CUDA 代碼

2.3 三角線性方程組的解法

2.3.1 串行算法

2.3.2 串行算法優化

2.3.3 AVX 優化實現

2.3.4 NEON 優化實現

2.3.5 如何提高并行度

2.3.6 CUDA 算法實現

2.4 矩陣乘法

2.4.1 AVX指令計算矩陣乘法

2.4.2 NEON指令計算矩陣乘法

2.4.3 GPU計算矩陣乘法

2.5 本章小結

第3章 優化偏微分方程的數值解法

3.1 熱傳遞問題

3.1.1 C代碼及性能

3.1.2 OpenMP代碼及性能

3.1.3 OpenACC代碼及性能

3.1.4 CUDA代碼

3.2 簡單三維Stencil

3.2.1 串行實現

3.2.2 Stencil在X86處理器上實現的困境

3.2.3 CUDA實現

3.3 本章小結

第4章 優化分子動力學算法

4.1 簡單搜索的實現

4.1.1 串行代碼

4.1.2 向量化實現分析

4.1.3 OpenMP實現

4.1.4 CUDA實現

4.2 范德華力計算

4.2.1 串行實現

4.2.2 向量化實現分析

4.2.3 OpenMP實現

4.2.4 CUDA實現

4.2.5 如何提高緩存的利用

4.3 鍵長伸縮力計算

4.3.1 串行實現

4.3.2 向量化實現

4.3.3 OpenMP實現

4.3.4 CUDA實現

4.4 徑向分布函數計算

4.4.1 串行實現

4.4.2 向量化實現

4.4.3 OpenMP實現

4.4.4 CUDA實現

4.5 本章小結

第5章 機器學習算法

5.1 kmeans算法

5.1.1 計算流程

5.1.2 計算元素所屬分類

5.1.3 更新分類中心

5.1.4 入口函數

5.2 KNN算法

5.2.1 計算步驟

5.2.2 相似度計算

5.2.3 求前k個相似度較大元素

5.2.4 統計所屬分類

5.3 二維卷積

5.3.1 X86實現

5.3.2 ARM實現

5.3.3 CUDA實現

5.4 四維卷積

5.4.1 X86實現

5.4.2 ARM 實現

5.4.3 CUDA實現

5.5 多GPU并行優化深度學習軟件Caffe

5.5.1 為什么要使用多GPU并行Caffe

5.5.2 AlexNet示例

5.5.3 Caffe的主要計算流程

5.5.4 多GPU并行卷積神經網絡的方式

5.5.5 多GPU并行Caffe實踐

5.6 本章小結