课程主要研究异构编程、大规模并行处理器的概念、语言、方法和模式，自2012年首次发布以来，异构并行编程的内容和结构在此基础上得到了显著改进，其中包括并行计算架构、数据并行编程模式，内存带宽管理技术和并行算法模式。

课程概述

从移动设备到超级计算机，所有计算机系统正朝着大规模异构并行计算机的方向发展，功效和计算能力更加突出，与此同时，计算机领域也在积极创建函数库和相关工具，为系统使用提供便利；想实现高效可靠的计算系统，了解低级编程语言是必不可少的，本课程旨在帮助学生了解低级编程接口的本质，以及如何应用这些接口实现程序目的。CUDA C语言很好地平衡了用户控件和冗长问题，将作为本课程前半部分的教学工具，学生还可以进一步学习与之密切相关的编程接口，如OpenCL，OpenACC和C++AMP。

本课程是目前唯一一套面向应用的计算机科学与工程初级课程，主要内容包括：数据并行执行模型，内存模型的地址管理，减少带宽消耗的切片技术，并行算法模式，计算与通信重叠以及各种异构并行编程接口，这些概念为大家学习其他并行编程系统奠定了坚实基础。

课程大纲

第一周：综合介绍异构计算，CUDA C语言以及基于内核的并行编程，实验概览，附编程作业：使用CUDA C语言进行向量求和。

第二周：内存模型的地址管理，节约内存带宽的切片技术，边界条件的处理以及系统性能方面的问题，附编程作业：使用CUDA C进行简单的矩阵乘法。

第三周：并行卷积模式，附编程作业：使用CUDA C进行平铺矩阵乘法。

第四周：并行扫描模式，附编程作业：基于CUDA C的卷积并行算法。

第五周：直方图并行模式和原子操作，附编程作业：基于CUDA C的并行扫描。

第六周： 数据传输与任务并行，附编程作业：基于CUDA C的直方图并行算法。

第七周：OpenCL，C++AMP和OpenACC简介，附编程作业：使用CUDA C数据流进行向量求和。

第八周：课程总结，其他相关的编程模型——Thrust，Bolt和CUDA FORTRAN，附编程作业：选择OpenCL，C++AMP或 OpenACC进行矩阵乘法。

第九周：完成剩余的实验作业，附可加分的选做编程作业，可选择OpenCL，C++AMP或OpenACC进行操作。

听取前面两位对我的批评意见，现在来重写评论

1. 课程内容：

课程内容主要可以分为三大板块，一，CUDA基础，包括硬件架构，基本编程模式以及相关API，这一部分需要参考两本书，一个是老师的推荐教材Programming Massively Parallel Processors，另一个是CUDA by Examples，后面的是API简介，CUDA编程思想主要参考前一本；二，并行计算范式，课上总共讲了Tiled Matrix Multiplication, Convolution, List Reduction, List Scan, Histogram五种范式，推荐教材Programming Massively Parallel Processors还有一种更常用的，处理Sparse Matrix的范式；三，其他并行计算语言，包括OpenCL, OpenACC和C++ AMP三类。

整体来说难度不大，是入门并行计算与CUDA的好课，但是遗憾在于编程作业不过瘾，个人感觉综合性稍微大一些的PA只有Image Equalization一个，过了这个之后的Assignments更像是只为了熟悉基本语法。Image Processing有很多非常适合练习并行计算的算法，希望未来开课时能加入更多有应用背景的编程练习。

总之还是很感谢老师的课程，目前我的Image Processing已经将CUDA整合到其中，充分利用Stream之后效率提升非常惊人，认证花钱花得还是很值得的。

下一阶段打算刷一下Udacity NVDIA开的课，进一步深入研究并行计算算法，以及并行计算在CV中的应用。