• ВХОД

    •  

    Полное описание

    М/16400/51 за 2022 г.
    004.2/К 782
     Краснов, Михаил Михайлович. Применение библиотеки функционального программирования для распараллеливания вычислений на графических ускорителях с технологией CUDA / М. М. Краснов, О. Б. Феодоритова ; Институт прикладной математики имени М. В. Келдыша (Москва). - Москва : ИПМ им. М. В. Келдыша РАН, 2022. - 36 с. : ил. - (Препринт / Институт прикладной математики имени М. В. Келдыша Российской академии наук (Москва), ISSN 2071-2898 ; 51 за 2022 г.). - Библиогр.: с. 34-36 (30 назв.). - 59 экз. - DOI 10.20948/prepr-2022-51 : 20 р. - Текст (визуальный) : непосредственный.
    На обл.: Российская академия наук - 300 лет.
    Содержание:
    Краткое введение в функциональное программирование. - С. 5
    Принципы функционального программирования. - С. 6
    Математические основы функционального программирования. - С. 8
    Функторы и монады в программировании. - С. 13
    Библиотека функционального программирования. - С. 18
    Реализация функторов, аппликативов и монад. - С. 20
    Применение библиотеки для численных методов. - С. 21
    Сеточные выражения и сеточные функции. - С. 21
    Объекты-заместители (proxy). - С. 22
    Сеточные выражения как функторы, аппликативы и монады. - С. 23
    Примеры. - С. 28-32
    Сравнение эффективности. - С. 32
    ГРНТИ УДК
    50.33.03004.272.2(04)
    50.05.13004.42:519.67(04)
    004.42.046(04)

    Рубрики:
    Параллельные вычисления
    Программирование для ЭВМ графическое
    Программирование для ЭВМ функциональное

    Кл.слова (ненормированные): решение численных задач -- библиотека функционального программирования funcprog -- численные расчеты -- суперкомпьютеры -- программирования языки - c++
    Аннотация: Современные графические ускорители (GPU) позволяют существенно ускорить выполнение численных задач. Однако перенос программ на графические ускорители является непростой задачей, иногда требующей практически полного их переписывания. Графические ускорители CUDA, благодаря разработанной компанией NVIDIA технологии, позволяют иметь единый исходный код как для обычных процессоров (CPU), так и для CUDA. Однако распараллеливание на общей памяти все равно делается по-разному и его нужно указывать явно.
    Доп. точки доступа:
    Феодоритова, Ольга Борисовна
    Институт прикладной математики имени М. В. Келдыша (Москва)
    Экз-ры полностью М/16400/51 за 2022 г.
    Имеются экземпляры в отделах: всего 1 : ПНТ (1)
    Свободны: ПНТ (1)
    Обложка
    Переход по DOI



    Заказ фрагмента документа ₽