加速MATLAB编程指南CUDA实现
编辑推荐
从20世纪70年代Cleve Moler开发MATLAB开始， MATLAB受到学术界和工业界的欢迎，用户超过200万。然而，很多算法的MATLAB实现代码都有加速的需求。以深度学习为例，相关的MATLAB代码需要运行数小时甚至数天的时间。GPU计算和CUDA编程为MATLAB加速提供了很好的解决方案。
现代的硬件技术的发展，使MATLAB程序的开发者和使用者能够拥有多核（multicore）、大内存等有效工具；图形处理器（Graphics Processing Unit，GPU）具有很好的加速能力。同时，一些公司还推出了专用的计算加速卡，如英伟达公司的Tesla系列计算加速卡、AMD公司的Fire Pro系列计算加速卡、Intel公司的Xeon Phi计算加速卡等。
GPU是现代计算机必备的配件，都有不错的加速能力。GPU的主要生产厂商包括英伟达公司和AMD公司。MATLAB通过并行计算工具箱（Parallel Computing Toolbox，PCT）对英伟达公司的GPU单卡提供支持，MATLAB的开发者和使用者可以通过PCT使用英伟达公司生产的GPU。需要英伟达公司GPU多卡的计算支持和对英伟达公司GPU计算加速性能要求好的程序员，可以通过MATLAB与C / C++程序或者Fortran程序的接口，获得计算性能的提升。MATLAB不直接提供对AMD公司GPU的提供支持，MATLAB的开发者和使用者需要对AMD公司生产的GPU编写程序，并通过MATLAB与C / C++程序或者Fortran程序的接口功能（wrapper function），获得MATLAB对AMD公司的GPU的支持。
《加速MATLAB编程指南：CUDA实现》基于作者多年GPU计算与加速的研究和经验[1-10]，全面叙述了基于CUDA编程的加速MATLAB编程的方法。
《加速MATLAB编程指南：CUDA实现》适应于各行各业利用MATLAB进行算法开发，并且对MATLAB程序有加速需求的专业人员。《加速MATLAB编程指南：CUDA实现》主要是面向满足日常办公需要的个人计算机（Personal Computer，PC）和服务器（Server），并安装了GPU加速卡。
内容简介
MATLAB是广泛应用的算法开发语言之一。然而，MATLAB简单易用的特性与算法复杂性的矛盾，造成了各个领域的MATLAB程序运行缓慢。本书总结了作者多年来在算法开发工作中关于MATLAB程序加速的实战经验，系统地介绍了利用GPU计算能力和CUDA编程语言实现加速MATLAB编程的方法。
本书首先介绍了MATLAB程序的性能评估的方法，帮助读者找到制约MATLAB程序运行速度的“瓶颈”所在； 接着循序渐进地介绍加速MATLAB编程的方法，包括基于多核处理器的MATLAB程序加速、基于大内存和向量化的MATLAB程序加速、基于并行计算工具箱和GPU计算的MATLAB加速、基于CUDA库的MATLAB加速、基于CUDA语言的MATLAB加速等。同时，本书附带了大量程序实例，包括深度学习及大数据分析领域的例子，深入浅出地示范各种基于CUDA语言的MATLAB程序加速的技巧。
本书可帮助读者对所在领域的MATLAB应用程序进行显著加速，大幅提升算法开发的效率。
作者简介
赵地获得美国路易斯安娜理工大学（Louisiana Tech University）计算机与应用数学专业博士学位，曾在美国哥伦比亚大学（Columbia University）和美国俄亥俄州立大学（The Ohio State University）从事博士后研究工作。
赵地博士在GPU计算方面具有丰富的研究经验，发表了多篇学术论文和会议论文。现任CNIC-英伟达公司GPU研究中心（GPU Research Center, GRC）、CNIC-英伟达公司GPU教育中心（GPU Education Center, GEC）和CNIC-英伟达公司“智慧医疗”联合实验室负责人；中国图象图形学学会视觉大数据专业委员会委员，CCF会员。
在线客服