《加速MATLAB编程指南：CUDA实现》内容简介

MATLAB是广泛应用的算法开发语言之一。然而，MATLAB简单易用的特性与算法复杂性的矛盾，造成了各个领域的MATLAB程序运行缓慢。本书总结了作者多年来在算法开发工作中关于MATLAB程序加速的实战经验，系统地介绍了利用GPU计算能力和CUDA编程语言实现加速MATLAB编程的方法。
本书首先介绍了MATLAB程序的性能评估的方法，帮助读者找到制约MATLAB程序运行速度的“瓶颈”所在；接着循序渐进地介绍加速MATLAB编程的方法，包括基于多核处理器的MATLAB程序加速、基于大内存和向量化的MATLAB程序加速、基于并行计算工具箱和GPU计算的MATLAB加速、基于CUDA库的MATLAB加速、基于CUDA语言的MATLAB加速等。同时，本书附带了大量程序实例，包括深度学习及大数据分析领域的例子，深入浅出地示范各种基于CUDA语言的MATLAB程序加速的技巧。
本书可帮助读者对所在领域的MATLAB应用程序进行显著加速，大幅提升算法开发的效率。
赵地，美国路易斯安那理工大学（LouisianaTech.University）计算机与应用数学专业博士学位，曾在美国哥伦比亚大学（ColumbiaUniversity）和美国俄亥俄州立大学（TheOhioStateUniversity）从事博士后研究工作。
赵地博士在GPU计算方面具有丰富的研究经验，发表了多篇学术论文和会议论文。目前是CNIC—英伟达公司GPU研究中心（GPUResearchCenter,GRC）、CNIC—英伟达公司GPU教育中心（GPUEducationCenter,GEC）和CNIC-英伟达公司"智慧医疗”联合实验室的负责人。

作品目录

内容简介
序一
preface
序二
preface
前言
foreword
第1章：绪论
1.1、MATLAB程序的加速
1.2、MATLAB程序加速的可能途径
1.3、MATLAB程序加速的度量
1.4、基于GPU计算的MATLAB程序的编制
第2章：MATLAB程序的性能评估
2.1、bench()函数
2.2、tic()函数/toc()函数
2.3、timeit()函数
2.4、cputime()函数
2.5、clock()函数和etime()函数
2.6、gputimeit()函数
2.7、MATLAB探查器
第3章：基于多核处理器的MATLAB程序加速
3.1、MATLAB矩阵及运算符
3.2、MATLAB函数
3.3、语句与代码
3.4、MATLAB代码
3.5、MATLAB并行设置
3.6、基于并行for循环（parfor循环）的MATLAB程序加速
第4章：基于大内存的MATLAB程序的加速
4.1、内存条的选择与安装
4.2、内存预分配
4.3、MATLAB向量化简介
4.4、MATLAB矩阵运算的向量化
4.5、MATLAB函数的向量化
4.6、MATLAB语句的向量化
第5章：基于并行计算工具箱的MATLAB加速
5.1、GPU卡的选择与安装
5.2、基于并行计算工具箱的GPU计算简介
5.3、基于并行计算工具箱的矩阵运算
5.4、基于并行计算工具箱的设备端（GPU端）函数
5.5、基于设备端（GPU端）大内存的MATLAB程序的加速
5.6、例子
第6章：MATLAB与C/C++的接口
6.1、MEX库API
6.2、MATLAB的C/C++矩阵库API
6.3、MEX函数编译器
第7章：基于CUDA库的MATLAB加速
7.1、基于CUDA库的MATLAB加速简介
7.2、基于ArrayFire库的MATLAB加速简介
7.3、基于其他CUDA库的MATLAB加速简介
第8章：GPU计算简介
8.1、芯片技术的发展与摩尔定律
8.2、每秒浮点运算次数
8.3、GPU计算加速的度量
8.4、并行计算部件
8.5、英伟达公司GPU简介
第9章：CUDA编程简介
9.1、CUDA核
9.2、CUDA线程与线程块
9.3、内存结构与管理
9.4、并行管理
9.5、CUDA流
9.6、CUDA事件
9.7、多设备系统
9.8、动态并行
9.9、统一虚拟地址空间
9.10、CUDA的编译
9.11、CUDA程序实例
第10章：CUDA程序优化
10.1、CUDA程序优化的策略
10.2、指令级别的优化
10.3、线程和线程块级别的优化
10.4、CUDA核级别的优化
10.5、CUDA程序级别的优化
第11章：基于CUDA的MATLAB加速
11.1、基于CUDAKernel的MATLAB加速
11.2、基于MEX函数的MATLAB加速
11.3、多GPU编程
11.4、例子
第12章：总结
12.1、加速MATLAB编程方法的比较
12.2、进一步加速MATLAB
参考文献
附录CD