高性能计算并行编程技术MPI并行程序设计

CUDA是一种专门为提高并行程序开发效率而设计的计算架构。在构建高性能应用程序时，CUDA架构可充分发挥GPU的强大计算功能，颇受广大开发者拥趸。

《实战Matlab之并行程序设计》通过阅读和学习，读者可以掌握基于多种平台(多核、多处理器、集群和GPU等)，利用多项技术(Matlab并行计算工具箱、多线程MEX文件、OpenMP和GPU等)，学习理解Matlab并行程序设计的原理、方法和技巧。《实战Matlab之并行程序设计》共分l0章：第1章为Matlab开发环境和程序设计基础；第2章为利用parfor对for循环进行并行；第3章为SPMD并行结构；第4章为其他Matlab并行结构；第5章为Matlab并行计算数据类型；第6章为Matlab通用并行程序设计；第7章为MDCE配置；第8章为创建多线程MEX文件；第9章为在Matlab中应用OpenMP进行并行计算；第10章为利用GPU并行执行Matlab程序。书中附录共包括三个部分，即MEX文件基础知识、用户配置项和Matlab并行计算常用概念说明。书中所有的源代码均可在出版社网站的下载中心和Matlab中文论坛中下载。除特别说明之外，其开发和编译环境均为Matlab2010与Visual　C2010。

附有《实战Matlab之并行程序设计》这本书中全部源代码

MPI与OpenMP并行程序设计：C语言版.pdf 希望对大家有帮助

NVIDIA CUDA 超大规模并行程序设计训练课程 清华大学微电子学研究所 邓仰东教授 共四个PDF： Day 1: CUDA概论 Day 2: 编程模型 Day 3: 多线程和存储器硬件 Day 4: 性能提升

本书是美国Oregon州立大学的Michael J.Quinn教授在多年讲授“并行程序设计”课程的基础上编写而成的，主要介绍用C语言，并结合使用MPI和OpenMP进行并行程序设计，内容包括并行体系结构、并行算法设计、消息传递编程、Eratosthenes 筛法、Floyd 算法、性能分析、矩阵向量乘法、文档分类、蒙特卡洛法、矩阵乘法、线性方程组求解、有限差分方法、排序、快速傅立叶变换、组合搜索、共享存储编程、融合OpenMP和MPI以及5个附录。

CUDA是一种专门为提高并行程序开发效率而设计的计算架构。在构建高性能应用程序时，CUDA架构可充分发挥GPU的强大计算功能，颇受广大开发者拥趸。本书以并行编程实践者视角，展示了全面、快速提升CUDA程序效能的途径。从并行机制到CUDA开发环境搭建，从GPU高性能计算相关硬件知识到并行计算和CUDA编程技巧，从核心概念到多个热点技术和高级主题，无所不包。本书侧重于CUDA实践应用，特别在CUDA程序优化上下足了工夫，例如发挥多GPU效力。难能可贵的是，作者结合多年实践经验，精心总结出开发者在使用CUDA过程中易犯的错误和有效的规避方法。

一本好书，网上流传的好多版本扫描的都有问题，只显示了一半，但是这个是绝对没有问题的。

并行程序设计.docx