(价值400)GPU并行计算与CUDA编程（第三期）百度网盘下载

　　〖课程介绍〗:4 z* o9 H( m8 C’ u5 F R6 q: U) J

　　近年来，随着深度学习的高速发展，大数据技术的普及，接下来紧接的会普及发展的想必就是硬件层面的配合，而GPU无疑是最重要的趋势。过去几年，计算领域我们目睹了英伟达(NVIDIA)公司带来的变革。计算统一设备架构(Compute Unified Device Architecture, CUDA)编程语言的引入，第一次使这些非常强大的图形处理器为C程序员日常所用，以应对日益复杂的计算工作。从嵌入式设备行业到家庭用户，再到超级计算机，所有的一切都因此而改变。

　　计算机软件界最大的变迁是从串行编程转向了并行编程。其中，CUDA起到了重要的作用。究其本质，图形处理单元(Graphics Processor Unit，GPU)是为高速图形处理而设计的，它具有天然的并行性。CUDA采用了一种简单的数据并行模型，再结合编程模型，从而无需操纵复杂的图形基元。8 @% N9 K. g6 G6 |2 f. v) \” s

　　我们也可以轻而易举的发现各种各样的开源计算机库，例如OpenCV,Caffe,TensorFlow等等，都提供了对应于GPU的使用接口，使得GPU的使用越来越主流而高效。; k- L3 f6 }! I- _5 y$ u

　　本课程主要分为四部分，分别涵盖了硬件搭载知识、CUDA编程基础、CUDA性能优化与设计、实战项目经验。

　　〖课程目录〗:1 r. `, f% m- V’ k6 m3 ?

　　一. GPU与CUDA背景基础介绍

　　第1课 CUDA硬件环境，体系结构，软件环境介绍，包括平台、架构、开发工具和热点技术

　　第2课 并行编程介绍，CUDA核心概念，包括网格、线程块，不同类型内存的工作机制/ W* ^$ _8 I3 r- j* h/ z+ Y

　　二. CUDA编程基础( A: L5 |/ t# k* K” @& _& Z; C: Q

　　第3课 CUDA设备内存、常量内存、共享内存和纹理内存，CUDA流和事件

　　第4课 CUDA执行模式、线程调度、内核执行和CUDA存储器的使用

　　第5课 CUDA流处理器簇、多GPU编程、纹理操作

　　三. CUDA性能优化与设计, G. y* D’ b% M9 c( P5 Y

　　第6课 CPU/GPU协同编程，串行/并行程序中提高并行度的常用策略

　　第7课 流式负载以及使用GPU做应用程序性能优化常用策略& Y2 f/ W/ o4 _! l

　　第8课 在集群中使用CUDA

　　四. 实战项目经验

　　第9课 应用CUDA做高维数据处理

　　第10课 CUDA+OpenGL做图形渲染) A3 H* ]+ h g% W5 |& ~

　　第11课 CPGPU实现视频流实时光流跟踪2 b” O2 a* @4 k3 ^” U

　　第12课 深度学习框架中的GPU应用