GPU并行计算与CUDA编程视频教程

天亮说晚安

课程介绍：
, e* f: `0 `, M3 S0 @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。
计算机软件界较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。
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$ z) H& I5 [, q. l
8 v3 a) D9 D: B6 _# u$ J" _& T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。

授课对象：
对并行计算，GPU编程刚兴趣的同学，熟悉C/C++编程语言。
& M% l* Q) |" n$ e7 I4 i需要有带NVIDIA显卡的计算机，如果没有的同学可能需要额外购买AWS的GPU服务器，费用约是0.4美元/小时。
" q$ s6 s& z5 Q
课程环境：
硬件环境：AWS G2 Instances(NVIDIA GRID K520) / CG1 Instances(NVIDIA Tesla M2050) /自备带NVIDIA GPU的电脑;
操作系统：Linux 64bit
编程语言：C/C++
. y) w. F1 j7 D使用软件：CUDA7.5  
# n8 N& |" `0 }) M( e) |/ ^2 G
1 s4 D- r1 U$ Q' X" t* r收获预期：
7 m! I; r* L5 H% o具备GPU和CUDA编程能力，可以完成初步的GPU程序设计和优化设计，对于实际应用中CUDA的使用能有全面的考虑和实操能力。
3 t  ]3 p) m4 l/ G- }3 m7 B/ J$ `+ U) Y
课程目录:
7 u0 w  j# M; T( j一. GPU与CUDA背景基础介绍
$ R$ w" H$ g9 i  w0 a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
! H" G6 h0 N2 Y% [1 Z# ]2 f0 f
二. CUDA编程基础
- d9 h& O% i6 y# s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
0 A/ i0 J9 c. V, k$ B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
. Q- D/ [! ^- f: A
2 g, z+ K' L# z+ \三. CUDA性能优化与设计
, t9 y! z3 S" {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
  j6 G" z- R. d" T3 U4 [7 `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
第8课 在集群中使用CUDA
. p2 \8 Z0 `0 R; P
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
第11课 CPGPU实现视频流实时光流跟踪
/ }4 v3 F, B( k& h第12课 深度学习框架中的GPU应用
3 y4 z' p1 g$ w1 ^% z, R  k