GPU并行计算与CUDA编程视频教程

天亮说晚安

课程介绍：
3 H, J, c, e, u& [+ S4 e( x& |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。
9 d7 G" G- x4 L7 ^. X1 r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 G7 H# M$ ^4 K; C7 _3 z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。
0 M; j( m  n& f& F2 v9 q5 `' @
+ q- m3 @0 c% C8 V7 d/ Z4 a授课对象：
+ {6 b, F+ b  h5 h3 l( _5 @. k6 W+ g对并行计算，GPU编程刚兴趣的同学，熟悉C/C++编程语言。
" w4 R. T5 v  o% U; j2 F; \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。

4 W; D# d+ T" E2 o2 J课程环境：
: z$ O# I) O+ k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
& \* B, p4 P0 n6 U编程语言：C/C++
5 `' J4 y2 T8 l1 J  n& |使用软件：CUDA7.5  

1 m& l( A( Z6 S0 C7 W) M. L收获预期：
/ T  l- e: W& Z, Y7 z% p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。

" S6 @- n- b! O& g/ T课程目录:
" c% e& P* C& `: `) a3 R, S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
( `2 [- f+ a" t
9 v/ b8 B3 T6 c, Y0 E& u二. CUDA编程基础
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
% I. n! p- W) N& o4 A第4课 CUDA执行模式、线程调度、内核执行和CUDA存储器的使用
2 p$ A/ e. H. ^! o' Q( `第5课 CUDA流处理器簇、多GPU编程、纹理操作
& v1 g: \6 @/ t! J
三. CUDA性能优化与设计
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
第8课 在集群中使用CUDA
" L% ^- l3 H8 V2 a' {+ y5 t
0 _7 k  j) M6 E  ~& i" o0 J: w# Q, B四. 实战项目经验
' M7 Q/ o& u  M" X' D% b第9课 应用CUDA做高维数据处理
$ F) J4 V; i( ?) D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
第12课 深度学习框架中的GPU应用