本文章深入探讨了利用NVIDIA CUDA技术进行高性能计算的实际案例，详细解析了如何通过并行处理提升计算效率与性能。
《GPU高性能计算之CUDA》是GPU高性能计算系列丛书的第一本，由张舒、褚艳利、赵开勇及张钰勃编写。本书不仅详细介绍了CUDA的软硬件架构以及C for CUDA程序开发与优化策略，并且提供了大量的实例供读者参考学习。
以下为书中各章节对应的示例列表：
- ACsearch_DPPcompact_with_driver：AC多模式匹配算法（第5章2.2节）
- asyncAPI：异步API调用示例（第2章5节）
- bandwidthTest：带宽测试（第2章3.6节）
- Bitonic：双调排序网络（第5章1.1节）
- conjugateGradient：共轭梯度算法，采用CUBLAS实现
- cudaMPI：CUDA+MPI管理GPU集群（第2章7.3节）
- cudaOpenMP：CUDA+OpenMP管理多GPU（第2章7.2节）
- deviceQuery：设备查询（第2章1.4节）
- histKernel：亮度直方图统计（第2章4.3节）
- matrixAssign：矩阵赋值
- matrixMul：利用共享内存实现的矩阵乘法（第4章7.1节）
- matrixMul_Berkeley：采用寄存器减少技术实现的矩阵乘法（第4章7.1节）
- reduction：并行归约程序示例（第4章7.2节）
- scan：Scan算法，如前缀和计算（第5章1.2节）
- scanLargeArray：能够处理大数组的Scan算法
- simpleCUBLAS：简单应用CUBLAS库
- simpleCUFFT：简单使用CUFFT库示例
- simpleD3D9、simpleD3D10：CUDA与Direct3D 9和10互操作（第2章6.2节）
- simpleGL：CUDA与OpenGL互操作（第2章6.1节）
- simpleMultiGPU：多设备控制演示
- simpleStreams：流的使用示例展示
- simpleTexture、simpleTextureDrv：简单的纹理用法，后者采用驱动API实现
- sortingNetworks：处理大数组的双调排序网络算法
- threadMigration：通过上下文和设备管理功能支持多设备并行计算（第2章7.1节）
- timing：设备端计时程序示例（第4章2.1节）
- transpose、transposeDiagonal：矩阵转置，后者考虑了分区冲突问题
- VectorAdd、VectorAddDrv：矢量加法操作及其驱动API实现版本
5星
