最新章節

• 8.3 本章小結
• 8.2.5 OpenMP實現
• 8.2.4 CUDA實現
• 8.2.3 NEON實現
• 8.2.2 AVX指令加速
• 8.2.1 串行算法

• 8.3 本章小結 更新時間：2019-01-01 01:09:02
• 8.2.5 OpenMP實現
• 8.2.4 CUDA實現
• 8.2.3 NEON實現
• 8.2.2 AVX指令加速
• 8.2.1 串行算法
• 8.2 稠密矩陣與向量乘法
• 8.1.5 CUDA實現
• 8.1.4 NEON實現
• 8.1.3 AVX指令加速
• 8.1.2 循環展開代碼
• 8.1.1 串行代碼
• 8.1 兩向量距離
• 第8章 利用多種技術優化線性代數中的算法性能
• 7.4 本章小結
• 7.3.4 CUDA實現
• 7.3.3 OpenMP實現
• 7.3.2 不適合進行向量化
• 7.3.1 串行算法
• 7.3 曼德勃羅集
• 7.2.2 CUDA實現
• 7.2.1 OpenMP實現
• 7.2 圖像直方圖
• 7.1.2 中值濾波
• 7.1.1 均值濾波
• 7.1 圖像濾波
• 第7章 利用多種技術優化圖像處理中的算法性能
• 6.3 本章小結
• 6.2.3 OpenCL程序在AMD GCN上的映射
• 6.2.2 OpenCL程序在NVIDIA GPU上的映射
• 6.2.1 OpenCL程序在多核向量CPU上的映射
• 6.2 OpenCL程序在多核向量處理器上的映射
• 6.1.4 NVIDIA Kepler和Maxwell GPU架構
• 6.1.3 AMD GCN GPU架構
• 6.1.2 ARM A15多核向量處理器架構
• 6.1.1 Intel Haswell CPU架構
• 6.1 多核向量處理器架構
• 第6章 多核向量處理器架構及OpenCL程序映射
• 5.5 本章小結
• 5.4 兩小時性能提升10倍
• 5.3.2 OpenACC使用CUDA生產的數據
• 5.3.1 CUDA使用OpenACC生產的數據
• 5.3 OpenACC和CUDA協作
• 5.2.11 async和wait
• 5.2.10 if子句
• 5.2.9 變量可見性子句
• 5.2.8 reduction子句
• 5.2.7 dtype子句
• 5.2.6 atomic構造
• 5.2.5 loop構造
• 5.2.4 data構造
• 5.2.3 線程配置相關子句
• 5.2.2 parallel構造
• 5.2.1 kernels構造
• 5.2 編譯制導語句
• 5.1.2 存儲器模型
• 5.1.1 執行模型
• 5.1 OpenACC編程模型
• 第5章 OpenACC
• 4.8 本章小結
• 4.7.2 矩陣分塊實現
• 4.7.1 初次實現
• 4.7 矩陣乘法
• 4.6.3 沒有存儲體沖突的實現
• 4.6.2 滿足合并訪問的實現
• 4.6.1 初次實現
• 4.6 矩陣轉置
• 4.5 GPU與CPU精度差別
• 4.4.13 數據傳輸優化
• 4.4.12 分支優化
• 4.4.11 指令優化
• 4.4.10 占用率
• 4.4.9 工作組數目及大小
• 4.4.8 寄存器及私有存儲器優化
• 4.4.7 CUDA紋理存儲器優化
• 4.4.6 常量存儲器優化
• 4.4.5 存儲體沖突
• 4.4.4 局部存儲器
• 4.4.3 合并訪問
• 4.4.2 全局存儲器優化
• 4.4.1 總體優化準則
• 4.4 基于GPU的異構并行計算性能優化
• 4.3.2 CUDA C語言
• 4.3.1 OpenCL C語言
• 4.3 C語言接口
• 4.2.4 編程模型
• 4.2.3 存儲器模型
• 4.2.2 執行模型
• 4.2.1 平臺模型
• 4.2 異構并行計算模型
• 4.1.3 OpenCL概述
• 4.1.2 CUDA概述
• 4.1.1 GPU計算歷史
• 4.1 GPU計算概述
• 第4章 基于GPU的異構并行計算環境：CUDA與OpenCL
• 3.7 本章小結
• 3.6.2 OpenMP并行優化實例
• 3.6.1 OpenMP程序優化準則
• 3.6 OpenMP程序優化
• 3.5 OpenMP異構并行計算
• 3.4.2 常用的OpenMP子句
• 3.4.1 常用的OpenMP構造
• 3.4 OpenMP編譯制導語句
• 3.3.2 鎖函數
• 3.3.1 普通函數
• 3.3 函數
• 3.2 環境變量
• 3.1.2 OpenMP存儲器模型
• 3.1.1 OpenMP執行模型
• 3.1 OpenMP編程模型
• 第3章 OpenMP程序設計
• 2.5 本章小結
• 2.4.3 矩陣乘
• 2.4.2 矩陣轉置
• 2.4.1 彩色圖像轉灰度圖像
• 2.4 應用實例
• 2.3.7 特殊操作
• 2.3.6 基本設置加載存儲操作
• 2.3.5 基本邏輯運算
• 2.3.4 基本位運算
• 2.3.3 基本數據類型轉換及舍入運算
• 2.3.2 基本比較運算
• 2.3.1 基本算術運算
• 2.3 NEON支持的操作
• 2.2 ARM A15處理器性能
• 2.1 NEON指令集綜述
• 第2章 ARM NEON SIMD指令優化
• 1.4 本章小結
• 1.3.4 二維單通道圖像離散卷積
• 1.3.3 稀疏矩陣向量乘法
• 1.3.2 積分計算圓周率π
• 1.3.1 如何測得CPU的浮點峰值性能
• 1.3 優化實例及分析
• 1.2.4 加載和存儲
• 1.2.3 比較
• 1.2.2 邏輯運算
• 1.2.1 算術運算
• 1.2 AVX內置函數
• 1.1.4 加載和存儲
• 1.1.3 比較
• 1.1.2 邏輯運算
• 1.1.1 算術運算
• 1.1 SSE內置函數
• 第1章 X86 SSE/AVX指令集
• 前言
• 版權信息
• 封面

• 封面
• 版權信息
• 前言
• 第1章 X86 SSE/AVX指令集
• 1.1 SSE內置函數
• 1.1.1 算術運算
• 1.1.2 邏輯運算
• 1.1.3 比較
• 1.1.4 加載和存儲
• 1.2 AVX內置函數
• 1.2.1 算術運算
• 1.2.2 邏輯運算
• 1.2.3 比較
• 1.2.4 加載和存儲
• 1.3 優化實例及分析
• 1.3.1 如何測得CPU的浮點峰值性能
• 1.3.2 積分計算圓周率π
• 1.3.3 稀疏矩陣向量乘法
• 1.3.4 二維單通道圖像離散卷積
• 1.4 本章小結
• 第2章 ARM NEON SIMD指令優化
• 2.1 NEON指令集綜述
• 2.2 ARM A15處理器性能
• 2.3 NEON支持的操作
• 2.3.1 基本算術運算
• 2.3.2 基本比較運算
• 2.3.3 基本數據類型轉換及舍入運算
• 2.3.4 基本位運算
• 2.3.5 基本邏輯運算
• 2.3.6 基本設置加載存儲操作
• 2.3.7 特殊操作
• 2.4 應用實例
• 2.4.1 彩色圖像轉灰度圖像
• 2.4.2 矩陣轉置
• 2.4.3 矩陣乘
• 2.5 本章小結
• 第3章 OpenMP程序設計
• 3.1 OpenMP編程模型
• 3.1.1 OpenMP執行模型
• 3.1.2 OpenMP存儲器模型
• 3.2 環境變量
• 3.3 函數
• 3.3.1 普通函數
• 3.3.2 鎖函數
• 3.4 OpenMP編譯制導語句
• 3.4.1 常用的OpenMP構造
• 3.4.2 常用的OpenMP子句
• 3.5 OpenMP異構并行計算
• 3.6 OpenMP程序優化
• 3.6.1 OpenMP程序優化準則
• 3.6.2 OpenMP并行優化實例
• 3.7 本章小結
• 第4章 基于GPU的異構并行計算環境：CUDA與OpenCL
• 4.1 GPU計算概述
• 4.1.1 GPU計算歷史
• 4.1.2 CUDA概述
• 4.1.3 OpenCL概述
• 4.2 異構并行計算模型
• 4.2.1 平臺模型
• 4.2.2 執行模型
• 4.2.3 存儲器模型
• 4.2.4 編程模型
• 4.3 C語言接口
• 4.3.1 OpenCL C語言
• 4.3.2 CUDA C語言
• 4.4 基于GPU的異構并行計算性能優化
• 4.4.1 總體優化準則
• 4.4.2 全局存儲器優化
• 4.4.3 合并訪問
• 4.4.4 局部存儲器
• 4.4.5 存儲體沖突
• 4.4.6 常量存儲器優化
• 4.4.7 CUDA紋理存儲器優化
• 4.4.8 寄存器及私有存儲器優化
• 4.4.9 工作組數目及大小
• 4.4.10 占用率
• 4.4.11 指令優化
• 4.4.12 分支優化
• 4.4.13 數據傳輸優化
• 4.5 GPU與CPU精度差別
• 4.6 矩陣轉置
• 4.6.1 初次實現
• 4.6.2 滿足合并訪問的實現
• 4.6.3 沒有存儲體沖突的實現
• 4.7 矩陣乘法
• 4.7.1 初次實現
• 4.7.2 矩陣分塊實現
• 4.8 本章小結
• 第5章 OpenACC
• 5.1 OpenACC編程模型
• 5.1.1 執行模型
• 5.1.2 存儲器模型
• 5.2 編譯制導語句
• 5.2.1 kernels構造
• 5.2.2 parallel構造
• 5.2.3 線程配置相關子句
• 5.2.4 data構造
• 5.2.5 loop構造
• 5.2.6 atomic構造
• 5.2.7 dtype子句
• 5.2.8 reduction子句
• 5.2.9 變量可見性子句
• 5.2.10 if子句
• 5.2.11 async和wait
• 5.3 OpenACC和CUDA協作
• 5.3.1 CUDA使用OpenACC生產的數據
• 5.3.2 OpenACC使用CUDA生產的數據
• 5.4 兩小時性能提升10倍
• 5.5 本章小結
• 第6章 多核向量處理器架構及OpenCL程序映射
• 6.1 多核向量處理器架構
• 6.1.1 Intel Haswell CPU架構
• 6.1.2 ARM A15多核向量處理器架構
• 6.1.3 AMD GCN GPU架構
• 6.1.4 NVIDIA Kepler和Maxwell GPU架構
• 6.2 OpenCL程序在多核向量處理器上的映射
• 6.2.1 OpenCL程序在多核向量CPU上的映射
• 6.2.2 OpenCL程序在NVIDIA GPU上的映射
• 6.2.3 OpenCL程序在AMD GCN上的映射
• 6.3 本章小結
• 第7章 利用多種技術優化圖像處理中的算法性能
• 7.1 圖像濾波
• 7.1.1 均值濾波
• 7.1.2 中值濾波
• 7.2 圖像直方圖
• 7.2.1 OpenMP實現
• 7.2.2 CUDA實現
• 7.3 曼德勃羅集
• 7.3.1 串行算法
• 7.3.2 不適合進行向量化
• 7.3.3 OpenMP實現
• 7.3.4 CUDA實現
• 7.4 本章小結
• 第8章 利用多種技術優化線性代數中的算法性能
• 8.1 兩向量距離
• 8.1.1 串行代碼
• 8.1.2 循環展開代碼
• 8.1.3 AVX指令加速
• 8.1.4 NEON實現
• 8.1.5 CUDA實現
• 8.2 稠密矩陣與向量乘法
• 8.2.1 串行算法
• 8.2.2 AVX指令加速
• 8.2.3 NEON實現
• 8.2.4 CUDA實現
• 8.2.5 OpenMP實現
• 8.3 本章小結 更新時間：2019-01-01 01:09:02