科克（David B. Kirk），博士：美国国家工程院院士，NVIDIA公司首席科学家，拥有麻省珲工学院的机械工程学学士和硕十学位，加州理工学院的计算机科学博士学位。Kirk博士是50项与图形芯片设计相关的专利和专利申请的发明者，发表了50多篇关于图形处理技术的论文，是可视化计算技术方面的权威。
    胡文美（Wen－mei W. Hwu），教授：拥有美国加州大学伯克利分校计算机科学博士学位，担任伊利诺伊大学厄巴纳一香槟分校协调科学实验室的电气和计算机工程主席，领导IMPACT研究中心并负责Open IMPACT项目，该项目为计算机行业提供编译器和计算机架构新技术。Hwu教授还担任通用并行计算研究中心联合主任，是全球首个ACUDA卓越中心首席研究员。

    《大规模并行处理器编程实战》介绍了学生和专业人员都适合的并行编程与gpu体系结构的基本概念，详细剖析了编写并行程序所需的各种技术，用案例研究说明了并行程序设计的整个开发过程，即从计算思想开始，直到最终实现高效可行的并行程序。《大规模并行处理器编程实战》特色：介绍了计算思想，可以使读者能够在实现高性能并行计算的基础上来考虑和解决问题。如何使用cuda（统一计算设备架构），cuda是nvidia公司专门为大规模并行环境创建的软件开发工具。如何使用cuda编程模型和opencl同时实现高性能和高可靠性。

    “对于希望学习GPU并行编程的读者，《大规模并行处理器编程实战》简直是天赐之物。书中介绍了CUDA，一种类C的数据并行语言，介绍了Tesla，当前的NVIDIA GPU显示核心的体系结构。除了解释语言和体系结构，《大规模并行处理器编程实战》还详细说明了可以在异构CPU-GPU硬件上平稳运行的数据并行问题的类型……《大规模并行处理器编程实战》是一本重要的并行计算参考文献。”
    ——David Patterson（美国国家工程院院土，加州大学伯克利分校并行计算研究实验室主任兼计算机科学系Pardee教授，IEEE与ACM会员）大力推荐

    本书第二个目标是讲解如何编写功能正确的、可靠的并行程序，这是并行计算中的技巧问题。过去曾从事过并行系统方面工作的开发人员会知道，仅保证初始性能是远远不够的。我们面临的挑战是如何在可以调试代码和支持用户的情况下实现高性能。CUDA编程模型关注的焦点是数据并行性，我们将帮助读者在他们的应用程序中实现高性能和高可靠性。
    本书第三个目标是通过探讨一些方法来使目前的并行编程实现可扩展性，能适应未来硬件更新换代的要求。对于未来的计算机，程序并行化程度会越来越高，程序运行速度也会比现在的计算机更快。我们想帮助读者掌握并行编程，以便随着新一代计算机的出现，程序的性能有所提升。
    读者要想达到上述目标，需要掌握相当多的技术知识，因此本书主要讨论并行编程的设计原理和模式。我们不能保证本书能覆盖所有相关知识，但是我们从中选取最有用也是经得起考验的技术进行深入研究。为了补充读者的知识和经验，我们将推荐一个相关参考文献列表。接下来我们准备对本书的其余部分做一个简单的概述。

第1章 引言 1 
1.1 gpu与并行计算机 2 
1.2 现代gpu的体系结构 7 
1.3 为什么需要更高的速度和并行化 8 
1.4 并行编程语言与模型 11 
1.5 综合目标 12 
1.6 本书的组织结构 13 

第2章 gpu计算的发展历程 17 
2.1 图形流水线的发展 18 
2.1.1 固定功能的图形流水线时代 18 
2.1.2 可编程实时图形流水线的发展 21 
2.1.3 图形与计算结合的处理器 23 
2.1.4 gpu：一个中间步骤 25 
2.2 gpu计算 26 
2.2.1 可扩展的gpu 27 
2.2.2 发展近况 27 
2.3 未来发展趋势 28 

第3章 cuda简介 31 
3.1 数据并行性 32 
3.2 cuda的程序结构 33 
.3.3 矩阵乘法示例 34 
3.4 设备存储器与数据传输 37 
3.5 kernel函数与线程 41 
3.6 小结 45 
3.6.1 函数声明 45 
3.6.2 启动kernel函数 46 
3.6.3 预定义变量 46 
3.6.4 运行时api 46 

第4章 cuda线程 49 
4.1 cuda线程组织结构 50 
4.2 使用blockidx和threadidx 54 
4.3 同步与透明可扩展性 58 
4.4 线程分配 59 
4.5 线程调度和容许延时 60 
4.6 小结 62 
4.7 习题 63 

第5章 cuda存储器模型 65 
5.1 存储器访问效率的重要性 66 
5.2 cuda设备存储器的类型 67 
5.3 减少全局存储器流量的策略 70 
5.4 存储器——限制并行性的一个因素 76 
5.5 小结 77 
5.6 习题 78 

第6章 性能优化 79 
6.1 更多关于线程执行的问题 80 
6.2 全局存储器的带宽 86 
6.3 sm资源的动态划分 93 
6.4 数据预取 95 
6.5 指令混合 97 
6.6 线程粒度 98 
6.7 可度量的性能和小结 99 
6.8 习题 100 

第7章 浮点运算 105 
7.1 浮点格式 106 
7.1.1 m的规范化表示 106 
7.1.2 e的余码表示 107 
7.2 能表示的数 109 
7.3 特殊的位模式与精度 113 
7.4 算术运算的准确度和舍入 114 
7.5 算法的优化 114 
7.6 小结 115 
7.7 习题 116 

第8章 应用案例研究：高级mri重构 117 
8.1 应用背景 118 
8.2 迭代重构 120 
8.3 计算fhd 123 
8.4 最终评估 139 
8.5 习题 142 

第9章 应用案例研究：分子可视化和分析 143 
9.1 应用背景 144 
9.2 kernel函数简单的实现方案 145 
9.3 指令执行效率 149 
9.4 存储器合并 151 
9.5 附加性能比较 154 
9.6 采用多gpu 156 
9.7 习题 157 

第10章 并行编程和计算思想 159 
10.1 并行编程的目标 160 
10.2 问题分解 161 
10.3 算法选择 163 
10.4 计算思想 168 
10.5 习题 169 

第11章 opencl简介 171 
11.1 背景 172 
11.2 数据并行性模型 173 
11.3 设备的体系结构 175 
11.4 kernel函数 176 
11.5 设备管理和启动kernel 177 
11.6 opencl中的静电势图谱 179 
11.7 小结 183 
11.8 习题 184 

第12章 结论与展望 185 
12.1 重申目标 186 
12.2 存储器体系结构的演变 187 
12.2.1 大型虚拟和物理地址空间 187 
12.2.2 统一的设备存储空间 188 
12.2.3 可配置的缓存和暂时存储器 188 
12.2.4 提高原子操作的速度 189 
12.2.5 提高全局存储器的访问速度 189 
12.3 kernel函数执行控制过程的演变 190 
12.3.1 kernel函数内部的函数调用 190 
12.3.2 kernel函数中的异常处理 190 
12.3.3 多个kernel函数的同步执行 191 
12.3.4 可中断的kernel函数 191 
12.4 内核的性能 191 
12.4.1 双精度的速度 191 
12.4.2 提高控制流的效率 192 
12.5 编程环境 192 
12.6 美好前景 193 
附录a 矩阵乘法主机版的源代码 195 
附录b gpu的计算能力 207