皮皮鲁的AI星球

很多领域尤其是机器学习场景对GPU计算力高度依赖，所幸一些成熟的软件或框架已经对GPU调用做了封装，使用者无需使用CUDA重写一遍，但仍需要对GPU计算的基本原理有所了解。对于一些无法调用框架的场景，当数据量增大时，非常有必要进行GPU优化。量化金融是一个非常好的应用GPU并行编程的领域。本文为英伟达GPU计算加速系列的第四篇，主要基于前三篇文章的内容，以金融领域期权估值案例来进行实战练习。...

本文为英伟达GPU计算加速系列的第三篇，前两篇文章为：AI时代人人都应该了解的GPU知识：主要介绍了CPU与GPU的区别、GPU架构、CUDA软件栈简介。超详细Python Cuda零基础入门教程：主要介绍了CUDA核函数，Thread、Block和Grid概念，内存分配，并使用Python Numba进行简单的并行计算。阅读完前两篇文章后，相信读者应该能够将一些简单的CPU代...

本系列为英伟达GPU入门介绍的第二篇，主要介绍CUDA编程的基本流程和核心概念，并使用Python Numba编写GPU并行程序。为了更好地理解GPU的硬件架构，建议读者先阅读我的第一篇文章。GPU硬件知识和基础概念：包括CPU与GPU的区别、GPU架构、CUDA软件栈简介。GPU编程入门：主要介绍CUDA核函数，Thread、Block和Grid概念，并使用Python Numba进...

金融建模、自动驾驶、智能机器人、新材料发现、脑神经科学、医学影像分析…人工智能时代的科学研究极度依赖计算力的支持。提供算力的各家硬件芯片厂商中，最抢镜的当属英伟达Nvidia了。这家做显卡起家的芯片公司在深度学习兴起后可谓红得发紫，如果不聊几句GPU和英伟达，都不好意思跟别人说自己是做人工智能的。那么，英伟达的GPU是如何加速计算呢？本系列将介绍GPU计算加速的一些基础知识：GPU硬件知识和基...