本書介紹CPU和MATLAB的聯(lián)合編程方法，包括首先介紹了不使用GPU實(shí)現(xiàn)MATLAB加速的方法；然后介紹了MATLAB和計(jì)算統(tǒng)一設(shè)備架（CUDA）配置通過分析進(jìn)行zuiyou規(guī)劃，以及利用c-mex進(jìn)行CUDA編程；接著介紹了MATLAB與并行計(jì)算工具箱和運(yùn)用CUDA加速函數(shù)庫；zui后給出計(jì)算機(jī)圖形實(shí)例和CUDA轉(zhuǎn)換實(shí)例。本書還通過大量的實(shí)例、圖示和代碼，深入淺出地引導(dǎo)讀者進(jìn)入GPU的殿堂，易于讀者理解和掌握。通過閱讀本書，讀者無需付出很多的精力和時(shí)間，就可以學(xué)習(xí)使用GPU進(jìn)行并行處理，實(shí)現(xiàn)MATLAB代碼的加速，提高工作效率，從而將更多的時(shí)間和精力用于創(chuàng)造性工作和其他事情。

目錄

前言
第1章 不使用GPU實(shí)現(xiàn)MATLAB加速
1.1 本章學(xué)習(xí)目標(biāo)
1.2 向量化
1.2.1 元素運(yùn)算
1.2.2 向量/矩陣運(yùn)算
1.2.3 實(shí)用技巧
1.3 預(yù)分配
1.4 for-loop
1.5 考慮稀疏矩陣形式
1.6 其他技巧
1.6.1 盡量減少循環(huán)中的文件讀/寫
1.6.2 盡量減少動(dòng)態(tài)改變路徑和改變變量類型
1.6.3 在代碼易讀性和優(yōu)化間保持平衡
1.7 實(shí)例
第2章 MATLAB和CUDA配置
2.1 本章學(xué)習(xí)目標(biāo)
2.2 配置MATLAB進(jìn)行c-mex編程
2.2.1 備忘錄
2.2.2 編譯器的選擇
2.3 使用c-mex實(shí)現(xiàn)“Hello，mex!”
2.4 MATLAB中的CUDA配置
2.5 實(shí)例：使用CUDA實(shí)現(xiàn)簡(jiǎn)單的向量加法
2.6 圖像卷積實(shí)例
2.6.1 MATLAB中卷積運(yùn)算
2.6.2 用編寫的c-mex計(jì)算卷積
2.6.3 在編寫的c-mex中利用CUDA計(jì)算卷積
2.6.4 簡(jiǎn)單的時(shí)間性能分析
2.7 總結(jié)
第3章 通過耗時(shí)分析進(jìn)行最優(yōu)規(guī)劃
3.1 本章學(xué)習(xí)目標(biāo)
3.2 分析MATLAB代碼查找瓶頸
3.2.1 分析器的使用方法
3.2.2 針對(duì)多核CPU更精確的耗時(shí)分析
3.3 CUDA的c-mex代碼分析
3.3.1 利用Visual Studio進(jìn)行CUDA分析
3.3.2 利用NVIDIA Visual Profiler進(jìn)行CUDA分析
3.4 c-mex調(diào)試器的環(huán)境設(shè)置
第4章 利用c-mex進(jìn)行CUDA編程
4.1 本章學(xué)習(xí)目標(biāo)
4.2 c-mex中的存儲(chǔ)布局
4.2.1 按列存儲(chǔ)
4.2.2 按行存儲(chǔ)
4.2.3 c-mex中復(fù)數(shù)的存儲(chǔ)布局
4.3 邏輯編程模型
4.3.1 邏輯分組1
4.3.2 邏輯分組2
4.3.3 邏輯分組3
4.4 GPU簡(jiǎn)單介紹
4.4.1 數(shù)據(jù)并行
4.4.2 流處理器
4.4.3 流處理器簇
4.4.4 線程束
4.4.5 存儲(chǔ)器
4.5 第一種初級(jí)方法的分析
4.5.1 優(yōu)化方案A：線程塊
4.5.2 優(yōu)化方案B
4.5.3 總結(jié)
第5章 MATLAB與并行計(jì)算工具箱
5.1 本章學(xué)習(xí)目標(biāo)
5.2 GPU處理MATLAB內(nèi)置函數(shù)
5.3 GPU處理非內(nèi)置MATLAB函數(shù)
5.4 并行任務(wù)處理
5.4.1 MATLAB worker
5.4.2 parfor
5.5 并行數(shù)據(jù)處理
5.5.1 spmd
5.5.2 分布式數(shù)組與同分布數(shù)組
5.5.3 多個(gè)GPU時(shí)的worker
5.6 無需c-mex的CUDA文件直接使用
第6章 運(yùn)用CUDA加速函數(shù)庫
6.1 本章學(xué)習(xí)目標(biāo)
6.2 CUBLAS
6.2.1 CUBLAS函數(shù)
6.2.2 CUBLAS矩陣乘法
6.2.3 使用Visual Profiler進(jìn)行CUBLAS分析
6.3 CUFFT
6.3.1 通過CUFFT進(jìn)行二維FFT運(yùn)算
6.3.2 用Visual Profiler進(jìn)行CUFFT時(shí)間分析
6.4 Thrust
6.4.1 通過Thrust排序
6.4.2 采用Visual Profiler分析Thrust
第7章 計(jì)算機(jī)圖形學(xué)實(shí)例
7.1 本章學(xué)習(xí)目標(biāo)
7.2 Marching-Cubes算法
7.3 MATLAB實(shí)現(xiàn)
7.3.1 步驟1
7.3.2 步驟2
7.3.3 步驟3
7.3.4 步驟4
7.3.5 步驟5
7.3.6 步驟6
7.3.7 步驟7
7.3.8 步驟8
7.3.9 步驟9
7.3.10 時(shí)間分析
7.4 采用CUDA和c-mex實(shí)現(xiàn)算法
7.4.1 步驟1
7.4.2 步驟2
7.4.3 時(shí)間分析
7.5 用c-mex函數(shù)和GPU實(shí)現(xiàn)
7.5.1 步驟1
7.5.2 步驟2
7.5.3 步驟3
7.5.4 步驟4
7.5.5 步驟5
7.5.6 時(shí)間分析
7.6 總結(jié)
第8章 CUDA 轉(zhuǎn)換實(shí)例：3D圖像處理
8.1 本章學(xué)習(xí)目標(biāo)
8.2 基于Atlas分割方法的MATLAB代碼
8.2.1 基于Atlas分割背景知識(shí)
8.2.2 用于分割的MATLAB代碼
8.3 通過分析進(jìn)行CUDA最優(yōu)設(shè)計(jì)
8.3.1 分析MATLAB代碼
8.3.2 概要結(jié)果分析和CUDA最優(yōu)設(shè)計(jì)
8.4 CUDA轉(zhuǎn)換1——正則化
8.5 CUDA轉(zhuǎn)換2——圖像配準(zhǔn)
8.6 CUDA轉(zhuǎn)換結(jié)果
8.7 結(jié)論
附錄
附錄A 下載和安裝CUDA庫
A.1 CUDA工具箱下載
A.2 安裝
A.3 確認(rèn)
附錄B 安裝NVIDIA Nsight到Visual Studio