کتاب برنامه نویسی GPU با کودا و پایتون، برای آن دسته از افرادی است که می‌خواهند واقعا برنامه نویسی GPU انجام بدهند بدون این که با جزئیات فنی و سخت افزاری درگیر شوند. ما در این کتاب برنامه نویسی GPU را با C/C++ (CUDA C) انجام می‌دهیم اما به این شکل که این کدها را به صورت inline درون کدهای پایتون به کمک ماژول PyCUDA می‌نویسیم. ماژول PyCUDA به ما این اجازه را می‌دهند که تنها کدهای سطح پایین GPU ضروری که به آن‌ها احتیاج داریم را بنویسیم و این ماژول تمام کارهای کامپایل کردن، لینک کردن و اجرای آن بر روی GPU را برای ما انجام می‌دهد. What you will learn • Launch GPU code directly from Python • Write effective and efficient GPU kernels and device functions • Use libraries such as cuFFT, cuBLAS, and cuSolver • Debug and profile your code with Nsight and Visual Profiler • Apply GPU programming to datascience problems • Build a GPU-based deep neuralnetwork from scratch • Explore advanced GPU hardware features, such as warp shuffling Table of Contents 1. Why GPU Programming? 2. Setting Up Your GPU Programming Environment 3. Getting Started with PyCUDA 4. Kernels, Threads, Blocks, and Grids 5. Streams, Events, Contexts, and Concurrency 6. Debugging and Profiling Your CUDA Code 7. Using the CUDA Libraries with Scikit-CUDA Draft complete 8. The CUDA Device Function Libraries and Thrust 9. Implementing a Deep Neural Network 10. Working with Compiled GPU Code 11. Performance Optimization in CU