GPU并行算法:N-S方程高性能计算:high performance solution of N-S equations
举报
正版图书，可开发票，请放心购买。
-
作者:
白智勇//李志辉
-
出版社:
科学出版社
-
ISBN:
9787030664662
-
出版时间:
2019-01
-
装帧:
精装
-
开本:
16开
-
ISBN:
9787030664662
-
出版时间:
2019-01
售价
￥
128.59
6.8折
定价
￥188.00
品相
全新
上书时间2024-01-03
卖家超过10天未登录
手机购买
![]()
微信扫码访问
-
-
商品描述：
-
目录
第1章 绪论
1.1 一个故事：为什么需要并行
1.2 并行计算简介
1.2.1 机群系统
1.2.2 并行计算与多核技术
1.2.3 异构计算机
1.3 GPU计算与CUDA
1.4 CUDA Fortran
1.5 GPU并行计算技术与高超声速流动模拟
参考文献
第2章 CUDA Fortran编译器
2.1 PGI Fortran编译器简介
2.2 编译CUDA Fortran程序
2.2.1 可视化版PGI编译器的使用
2.2.2 使用命令行编译程序
2.3 Fortran程序驱动GPU
2.3.1 GPU算法的CUDA Fortran程序实现
2.3.2 在主机与CUDA卡之间传输数据
2.3.3 GPU端的计算
2.4 错误信息获取
参考文献
第3章 CUDA线程模型
3.1 CUDA并行计算思维
3.1.1 并行算法设计
3.1.2 SIMD模型
3.1.3 SIMT模型
3.2 CUDA线程的主要特性
3.2.1 子程序属性限定符attributes
3.2.2 kernel函数
3.3 CUDA线程结构
3.3.1 线程block和线程grid
3.3.2 block内线程与block间线程
3.3.3 CUDA线程与GPU硬件对应关系
3.3.4 CUDA线程设计
3.4 执行配置
3.5 device子程序
3.6 自动生成kernel简介
3.6.1 !$cuf基本用法
3.6.2 !$cuf使用注意事项
3.7 使用module封装GPU数据与程序
3.7.1 用module封装数据
3.7.2 用module封装设备端子程序
3.8 CUDA线程同步
3.9 小结
参考文献
第4章 CUDA存储模型
4.1 GPU设备端变量
4.1.1 GPU内存
4.1.2 变量限定符
4.1.3 变量类型与内存分配
4.2 device变量
4.3 managed变量
4.4 pinned变量
4.5 shared变量
4.6 local变量
4.7 constant变量
4.8 texture变量
4.9 设备端派生数据类型
参考文献
第5章 CUDA任务级并行
5.1 CUDA流管理
5.1.1 什么是流
5.1.2 流的创建与销毁
5.1.3 流的使用
5.1.4 流的用法举例
5.2 CUDA事件管理
5.2.1 什么是事件
5.2.2 事件基本用法
5.2.3 事件在任务计时中的应用
5.2.4 事件在任务管理中的应用
5.3 GPU设备管理
5.3.1 设备切换
5.3.2 设备参数查询与修改
5.3.3 设备端变量存储位置
5.3.4 GPU卡间数据通信
参考文献
第6章 CUDA Fortran程序优化
6.1 Fortran程序性能优化一般准则
6.2 矩阵乘法CUDA程序优化
6.2.1 优化一：使用local变量
6.2.2 优化二：使用shared变量
6.2.3 kernel的调用
6.3 线程block优化设计
6.3.1 GPU微架构与CUDA线程模型
6.3.2 线程block设计
6.3.3 local内存使用技巧
参考文献
第7章 高超声速流场数学模型
7.1 高超声速绕流流场问题描述
7.2 控制方程
7.3 组分热力学特性
7.3.1 统计热力学方法
7.3.2 拟合函数法
7.4 组分输运特性
7.4.1 黏性系数
7.4.2 热传导系数
7.4.3 扩散系数
7.4.4 混合气体输运特性
7.5 化学动力学模型
7.5.1 纯空气化学反应
7.5.2 化学反应源项
7.5.3 化学反应速率系数
7.6 N-S方程空间离散
7.6.1 定解条件
7.6.2 有限体积方法
7.6.3 差分格式
7.6.4 通量分裂
7.6.5 高阶迎风型格式
7.6.6 高维问题
7.7 时间迭代
7.7.1 显式方法
7.7.2 隐式方法
7.8 边界条件
7.8.1 虚拟网格法
7.8.2 物理边界条件处理方法
7.8.3 壁面催化
参考文献
第8章 N-S方程并行算法
8.1 并行计算术语
8.2 MPI并行环境
8.2.1 MPI进程级并行计算
8.2.2 MPI程序编译与运行
8.2.3 并行进程的创建与回收
8.2.4 MPI通信
8.2.5 非阻塞通信
8.2.6 组通信
8.2.7 MPI高级话题
8.3 流场区域分解的N-S方程并行算法
8.3.1 高超声速流场的N-S方程数值求解
8.3.2 流场并行算法
8.3.3 流场并行算法优化
8.4 结构网格N-S方程并行计算负载均衡
8.4.1 并行计算负载估算
8.4.2 LPT负载分配
8.4.3 区域分解对CFD效率的影响
8.4.4 结构网格块二次剖分算法
8.5 N-S方程数值求解da规模高性能并行计算验证
8.5.1 高超声速流场计算软件HAS简介
8.5.2 双椭球模型风洞实验流场计算
8.5.3 Apollo指令舱高超声速绕流计算
8.5.4 高超声速圆柱绕流da规模并行计算
参考文献
第9章 N-S方程求解的GPU异构并行算法
9.1 数据依赖关系
9.1.1 数据依赖性分析
9.1.2 无数据依赖隐式算法
9.2 CFD功能模块kernel设计
9.2.1 无黏项空间离散
9.2.2 流场参数空间梯度计算
9.2.3 黏性项空间离散
9.2.4 DPLUR隐式计算模块
9.2.5 其他模块
9.3 边界条件处理技术
9.3.1 适于CUDA线程的边界网格单元分配方法
9.3.2 对接边界数据交换
9.4 CFD功能模块kernel调用
9.4.1 线程block与grid设计
9.4.2 CUDA任务级并行
9.4.3 多GPU设备问题
9.4.4 提升GPU并行计算效率的辅助措施
9.5 数据结构
9.5.1 GPU设备数据存储策略
9.5.2 常量数据定义
9.5.3 边界条件数据结构
9.5.4 网格块数据结构
9.6 CUDA算法的可靠性
9.6.1 确保GPU异构并行CFD算法可靠性的基本方法
9.6.2 算例验证
参考文献
附录A 纯空气化学非平衡模型相关常数
附录B N-S方程及其无黏通量特征分裂
B.1 N-S方程无量纲化
B.2 雅可比矩阵及其特征值
B.3 以特征值表达的雅可比矩阵
B.4 以特征值表达的无黏通量
B.5 无黏通量Van Leer分裂表达式
附录C 化学源项及黏性通量雅可比矩阵
C.1 化学源项雅可比矩阵
C.2 黏性通量雅可比矩阵及其分裂
附录D 结构网格半自动生成工具AutoMesh
内容摘要
本书首先介绍GPU技术和CUDA架构的入门知识，并给出了CudaFortran的开发环境配置；然后，通过矢量加法、矢量点积、矩阵乘法等简单示例详细介绍了CUDAFortran语法和使用模式、GPGPU技术编程特点等基础知识；接着，简单介绍了CUDAFortran的调试方法、错误信息分析等；很后，通过多GPU的使用、GPU并行计算在CFD/DSMC等高性能计算中的应用等专题讨论，揭示GPGPU技术在高性能计算中的应用方法和技巧。书中的示例的构思以及分析过程是本书拥有价值的部分，读者通过阅读这些内容，很容易对GPU技术做到融会贯通，举一反三，只要掌握了这些简单的示例，更复杂的问题也能迎刃而解。在本书的帮助下，读者不需熟悉GPU硬件或者CUDAC（虽然熟悉这两者有助于使用本书）就可完成GPU的学习和使用。
精彩内容
本书共九章，重点通过基础知识讲解、算例剖析和技巧提示，引导读者熟悉GPU并行算法、CUDA Fortran基础知识，进而掌握基于CUDA Fortran的GPUgao性能计算应用软件设计方法。其中，第1章介绍相关研究背景；第2～6章介绍基于CUDA Fortran的GPU通用计算基本概念、编程方法与优化原则；第7～9章介绍基于MPI+CUDA的N-S方程数值求解。书中的示例的构思以及分析过程是本书最具价值的部分，读者通过阅读这些内容，对GPGPU技术做到融会贯通、举一反三，只要掌握了这些简单的示例，更复杂的问题也能迎刃而解。在本书的帮助下，读者不需熟悉GPU硬件或者CUDAC（虽然熟悉这两者有助于使用本书）就可完成GPU的学习和使用。
本书可供高等学校计算数学、流体力学等相关专业的教师、研究生与高年级本科生使用，也可供相关专业的科研工作者和工程技术人员使用。
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
