Le calcul par le GPU avec Python

Avis des lecteurs

Résumé:

Le livre présente un historique détaillé des technologies CPU et GPU, mais ne fournit pas d'informations utiles ni de compétences pratiques liées au calcul et à la programmation GPU. Il n'est pas assez ciblé et ne couvre pas de manière adéquate les concepts de programmation.

Avantages:

Contexte historique clair et bien écrit du CPU et du GPU ; inclut des exemples pratiques à la fin du livre pour l'utilisation de Pytorch et d'autres modules.

Inconvénients:

⬤ Trop axé sur les faits historiques avec peu d'informations utiles ou de compétences en programmation
⬤ les premiers 30% du livre sont inutiles
⬤ manque de couverture en profondeur de CUDA et PyCUDA
⬤ ne convient pas aux lecteurs cherchant à améliorer leurs compétences en programmation.

(basé sur 1 avis de lecteurs)

Titre original :

Hands-On GPU Computing with Python

Contenu du livre :

Explorer l'environnement programmable basé sur les GPU pour l'apprentissage automatique, les applications scientifiques et les jeux en utilisant PuCUDA, PyOpenGL et Anaconda Accelerate Caractéristiques clés Comprendre les stratégies de synchronisation efficaces pour un traitement plus rapide à l'aide des GPU Écrire des scripts de traitement parallèle avec PyCuda et PyOpenCL Apprendre à utiliser les bibliothèques CUDA comme CuDNN pour l'apprentissage en profondeur sur les GPU Description du livre

Les GPU s'avèrent être d'excellentes solutions de calcul parallèle à usage général pour les tâches à haute performance telles que l'apprentissage profond et le calcul scientifique.

Ce livre sera votre guide pour démarrer avec le calcul par le GPU. Il commence par présenter le calcul par le GPU et explique l'architecture et les modèles de programmation des GPU. Vous apprendrez, par l'exemple, à effectuer de la programmation GPU avec Python, et vous vous pencherez sur l'utilisation d'intégrations telles que PyCUDA, PyOpenCL, CuPy et Numba avec Anaconda pour diverses tâches telles que l'apprentissage automatique et l'exploration de données. En outre, vous vous familiariserez avec les flux de travail, la gestion et le déploiement des GPU à l'aide de solutions de conteneurisation modernes. Vers la fin du livre, vous vous familiariserez avec les principes de l'informatique distribuée pour l'entraînement des modèles d'apprentissage automatique et l'amélioration de l'efficacité et de la performance.

A la fin de ce livre, vous serez capable de mettre en place un écosystème GPU pour exécuter des applications complexes et des modèles de données qui exigent de grandes capacités de traitement, et de gérer efficacement la mémoire pour calculer votre application de manière efficace et rapide. Ce que vous apprendrez Utiliser les bibliothèques et frameworks Python pour l'accélération GPU Mettre en place un environnement d'apprentissage machine programmable sur votre système avec Anaconda Déployer votre système d'apprentissage machine sur des conteneurs cloud avec des exemples illustrés Explorer PyCUDA et PyOpenCL et les comparer avec des plates-formes telles que CUDA, OpenCL et ROCm. Effectuer des tâches d'exploration de données avec des modèles d'apprentissage automatique sur les GPU Étendre votre connaissance du calcul par le GPU dans les applications scientifiques À qui s'adresse ce livre ?

Data Scientist, passionnés de Machine Learning et professionnels qui souhaitent s'initier au calcul par le GPU et réaliser des tâches complexes avec une faible latence. Une connaissance intermédiaire de la programmation Python est supposée. Table des matières Introduction au calcul par le GPU Conception d'une stratégie de calcul par le GPU Mise en place d'une plateforme de calcul par le GPU avec NVIDIA et AMD Principes fondamentaux de la programmation par le GPU Mise en place de votre environnement pour la programmation par le GPU Travail avec PyCUDA Travail avec PyOpenCL Travail avec Anaconda et Anaconda Accelerate Containerization on GPU enabled platforms Machine Learning on GPUs : Accélération des GPU pour les applications scientifiques avec Deepchem

Autres informations sur le livre :

• ISBN : 9781789341072
• Auteur : Avimanyu Bandyopadhyay
• Éditeur : Packt Pub
• Langue : anglais
• Reliure : Broché