课程介绍" J$ J) o. V6 Y
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。+ {! C1 I- u2 N0 ` X4 g
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。" L, c. T4 L) j r I" L: C
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。
% Q. s5 ~$ I; h+ z
' M G* S! X$ ^8 Y( q4 t2 K8 b0 x
授课对象：( O3 D; J: @# p& c$ l" d
对并行计算，GPU编程刚兴趣的同学，熟悉C/C++编程语言。' u9 x2 F2 d7 F- n8 z
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。
) ]8 ?0 e) n% z4 b# k
课程环境：9 Z- [- ^) f4 Y# r7 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 （Ubuntu 14.04）' { X" p1 q* Z) g* E8 K4 w
编程语言：C/C++) t8 W7 G% Z0 L [3 u+ I0 y
使用软件：CUDA7.5 & ?6 {0 F: G$ k2 ?% O& A! C2 q; J
+ S: t- T% V) n
收获预期：' E# ^" o, ? w# a# z
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。" C0 w; k$ D1 x' \1 R2 j! v
课程目录
一. GPU与CUDA背景基础介绍& }7 e) Z- X" H. ?
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# |$ v; w% n! o0 ?. Y3 I
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
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 {6 v3 T+ i' }6 ^; j9 W* 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' C U& R4 \/ ^1 m) x y
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
四. 实战项目经验
第9课 应用CUDA做高维数据处理9 H" I4 ?# c& c4 R
第10课 CUDA+OpenGL做图形渲染6 K+ A+ v6 _0 Z4 K3 }
第11课 CPGPU实现视频流实时光流跟踪4 D9 B- e/ x3 w* j. r8 F
第12课 深度学习框架中的GPU应用
下载地址：
|
/1 
