대규모 병렬 프로세서 프로그래밍

머리말
감사의 글
역자의 글

Chapter 1 서론
1.1 병렬 컴퓨터로써의 GPU
1.2 최신 GPU의 구조
1.3 고성능과 병렬화의 필요성
1.4 병렬 프로그래밍 언어와 모델
1.5 중요한 목표
1.6 책의 구성

Chapter 2 GPU 컴퓨팅의 역사
2.1 그래픽스 파이프라인의 진화
2.1.1 고정-함수 그래픽스 파이프라인의 시대
2.1.2 실시간 그래픽스 프로그래밍의 진화
2.1.3 그래픽스와 컴퓨팅 프로세서의 통합
2.1.4 GPGPU: 중간 단계
2.2 GPU 컴퓨팅
2.2.1 확장가능성있는 GPU
2.2.2 최근의 발전
2.3 미래의 추세

Chapter 3 CUDA의 기초
3.1 데이터 병렬성
3.2 CUDA 프로그램의 구조
3.3 행렬-행렬 곱셈의 예
3.4 디바이스 메모리와 데이터 전송
3.5 커널 함수와 쓰레딩
3.6 요약
3.6.1 함수 선언
3.6.2 커널 개시
3.6.3 미리 정의된 변수
3.6.4 런타임 API

Chapter 4 CUDA 쓰레드
4.1 CUDA 쓰레드의 구성
4.2 blockIdx와 threadIdx 사용하기
4.3 동기화와 투명한 확장가능성
4.4 쓰레드의 할당
4.5 쓰레드 스케줄링과 지연시간 감내
4.6 요약
4.7 연습문제

Chapter 5 CUDA 메모리
5.1 메모리 접근 효율성의 중요성
5.2 CUDA 디바이스 메모리의 종류
5.3 전역 메모리의 통신량을 줄이기 위한 전략
5.4 병렬성의 제한요소인 메모리
5.5 요약
5.6 연습문제

Chapter 6 성능 고려사항
6.1 쓰레드 수행에 대한 더 많은 것
6.2 전역 메모리 대역폭
6.3 SM 자원의 동적 분할
6.4 데이터 미리가져오기
6.5 명령어 혼합
6.6 쓰레드 밀도
6.7 측정된 성능 및 요약
6.8 연습문제

Chapter 7 부동소수점 고려사항
7.1 부동소수점 형식
7.1.1 M의 정규화된 표현
7.1.2 E의 초과 인코딩
7.2 표현 가능한 수
7.3 특별한 비트 패턴 및 정밀도
7.4 산술 정확도 및 자리맞춤
7.5 알고리즘 고려사항
7.6 요약
7.7 연습문제

Chapter 8 응용프로그램 사례 연구: 고급 MRI 복원
8.1 응용프로그램의 배경지식
8.2 반복적 복원
8.3 FHd 계산하기
8.4 최종 평가
8.5 연습문제

Chapter 9 응용프로그램 사례연구: 분자 시각화와 분석
9.1 응용프로그램의 배경 지식
9.2 간단한 커널 구현
9.3 명령어 실행 효율
9.4 메모리 병합(coalescing)
9.5 추가 성능 비교
9.6 다중 GPU 사용하기
9.7 연습문제

Chapter 10 병렬 프로그래밍과 정보과학적인 사고
10.1 병렬 프로그래밍의 목적
10.2 문제의 분해
10.3 알고리즘 선택
10.4 정보과학적인 사고
10.5 연습문제

Chapter 11 OpenCL의 간략한 소개
11.1 배경 지식
11.2 데이터 병렬성 모델
11.3 디바이스 구조
11.4 커널함수
11.5 디바이스 관리와 커널 개시
11.6 OpenCL로 구현한 정전위 맵
11.7 요약
11.8 연습문제

Chapter 12 맺음말과 미래 전망
12.1 목표 재고찰
12.2 메모리 구조의 진화
12.2.1 큰 가상 어드레스 공간과 물리 어드레스 공간
12.2.2 통합된 디바이스 메모리 공간
12.2.3 캐쉬설정과 스크래치 패드
12.2.4 개선된 원자 연산
12.2.5 개선된 전역 메모리 접근
12.3 커널 실행 제어의 진화
12.3.1 커널 함수 내에서의 함수 호출
12.3.2 커널 함수의 예외 처리
12.3.3 다중 커널의 동시 실행
12.4 코어 성능
12.4.1 2배정밀도의 실행속도
12.4.2 제어 흐름의 효율 향상
12.5 프로그래밍 환경
12.6 밝은 전망

부록 A 행렬곱셉(호스트버전 소스코드)
A.1 matrixmul.cu
A.2 matrixmul_gold.cu
A.3 matrixmul.h
A.4 assist.h
A.5 예상 결과

부록 B GPU 계산 능력
B.1 GPU 계산 능력 표
B.2 메모리 병합의 변형들