目次

表紙
正誤表のWebページ
本書に寄せて
まえがき
はじめに
謝辞
目次
第1章　CUDA によるヘテロジニアス並列コンピューティング
1.1　並列コンピューティング
1.2　ヘテロジニアスコンピューティング
1.3　Hello.World.from.GPU
1.4　CUDA.C プログラミングは難しい？
1.5　まとめ
第2章　CUDA プログラミングモデル
2.1　CUDA プログラミングモデルの概要
2.2　カーネルの所要時間の計測
2.3　並列スレッドの構成
2.4　デバイスの管理
2.5　まとめ
第3章　CUDA の実行モデル
3.1　CUDA の実行モデルの紹介
2　ワープ実行の特性
3.3　並列性の確保
3.4　分岐のダイバージェンスの回避
3.5　ループの展開
3.6　ダイナミックパラレリズム
3.7　まとめ
第4章　グローバルメモリ
4.1　CUDA のメモリモデルの紹介
4.2　メモリの管理
4.3　メモリアクセスパターン
4.4　カーネルの帯域幅の調整
4.5　ユニファイドメモリを使った行列の加算
4.6　まとめ
第5章　シェアードメモリとコンスタントメモリ
5.1　CUDA のシェアードメモリの紹介
5.2　シェアードメモリのデータレイアウトの確認
5.3　グローバルメモリへのアクセスの削減
5.4　グローバルメモリへのアクセスのコアレッシング
5.5　コンスタントメモリ
5.6　ワープシャッフル命令
5.7　まとめ
第6章　ストリームと並列処理
6.1　ストリームとイベントの紹介
6.2　カーネルの並列実行
6.3　カーネル実行とデータ転送のオーバーラップ
6.4　GPU と CPU の実行のオーバーラップ
6.5　ストリームのコールバック
6.6　まとめ
第7章　命令レベルのプリミティブの調整
7.1　CUDA 命令の概要
7.2　アプリケーションに合わせた命令の最適化
7.3　まとめ
第8章　CUDA の GPU アクセラレーションライブラリとOpenACC
8.1　CUDA ライブラリの紹介
8.2　cuSPARSE ライブラリ
8.3　cuBLAS ライブラリ
8.4　cuFFT ライブラリ
8.5　cuRAND ライブラリ
8.6　CUDA.6 で導入された CUDA ライブラリの機能
8.7　CUDA ライブラリのパフォーマンスの調査
8.8　OpenACC の使用
8.9　まとめ
第9章　マルチ GPU プログラミング
9.1　マルチ GPU への移行
9.2　複数の GPU の間で計算処理を分割する
9.3　複数の GPU でのピアツーピア通信
9.4　マルチ GPU での有限差分法
9.5　GPU クラスタでのアプリケーションのスケーリング
9.6　まとめ
第10章　実装上の注意点
10.1　CUDA.C の開発プロセス
10.2　プロファイルに基づく最適化
10.3　CUDA のデバッグ
10.4　ケーススタディ：CUDA.C への C プログラムの移植
10.5　まとめ
付録 A　参考文献
索引
著者について
奥付

著者プロフィール

• John Cheng（著者）

  計算知能の専門家として10年以上金融業界で働き、遺伝的アルゴリズムにデータマイニングや統計学習を掛け合わせた先進的なソリューションを提供。現在は、エネルギー産業に従事。東京工業大学で計算知能分野の博士号を取得。

• Max Grossman（著者）

  医療画像システムや機械学習、地球物理学でCUDAの適用経験があるGPUコンピューティングの専門家。

• Ty McKercher（著者）

  2008年からNVIDIA社に勤務し、GPUアクセラレーション技術のユーザーサポートを行っている。

• 株式会社クイープ（翻訳）

  1995年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。

• 森野慎也（監訳）

  2013年よりNVIDIAでCUDA担当のシニアソリューションアーキテクトとして勤務。本書では、監訳のほか、4、5、6、7、10章の日本語版コラムの執筆を担当。
  
  成瀬彰（監訳）
  2013年よりNVIDIAでシニアデベロッパーテクノロジーエンジニアとして勤務。本書では、監訳のほか、1、2章の日本語版コラムの執筆を担当。