Оглавление
Введение. 3
Сущность технологии CUDA.. 5
Особенности программирования при использовании технологии CUDA.. 13
Области применения технологии CUDA.. 15
Заключение. 18
Литература. 19
Официально объявлено, что список программных языков, позволяющих разрабатывать приложения для вычислений и анализа больших объемов данных с помощью модели параллельного программирования NVIDIA CUDA, отныне пополнился языком Python.
Язык с открытым кодом Python входит в десятку наиболее популярных в мире и используется более чем 3 млн пользователей. Он позволяет писать программный код высокого уровня с алгоритмами, не требующими использования большого количества команд. Библиотеки и возможности Python отлично подходят для широкого спектра научных, инженерных задач и приложений анализа больших объемов данных. Параллельное программирование NVIDIA CUDA поддерживается в NumbaPro, компиляторе Python из нового продукта Anaconda Accelerate от Continuum Analytics.
Список использованной литературы:
Крис Касперски. Техника оптимизации программ. Эффективное использование памяти. - Спб.: БХВ-Петербург, 2003. - 464 с.: ил.CUDA Programming Guide 1.1 (http://developer.download.nvidia.com CUDA Programming Guide 1.1. page 14-15 CUDA Programming Guide 1.1. page 48 Alex Klimovitski. Using SSE and SSE2: Misconceptions and Reality http://blog.lexa.ru
