《CUDA高效能平行計算》閱讀摘要
這本書從例項出發，並詳細介紹了開發環境的配置，容易上手，挺適合初學者看的。
- ch1
CUDA執行環境以及兩個序列運算例程distV1和distV2 - ch2
CUDA並行程式設計模式介紹 - ch3
一維陣列並行化方法
__device__關鍵字：函式僅在裝置上呼叫和執行
__global__關鍵字：函式在host端呼叫，在裝置上執行
__host__關鍵字：預設，在host呼叫和執行
- ch4
二維執行緒網格的定義與程式設計，距離計算例程dist_2D
採用OpenGL框架進行互動的應用：
flashlight：根據參考點的距離分配RGB數值
stablity：求解一階常微分方程並可視化顯示 - ch5
模板與共享記憶體
共享記憶體用於同一執行緒塊下不同執行緒的資料互動，同一執行緒塊內48KB
有限差分法在一維網格中計算導數
有限差分法求解二維拉不拉斯方程
heat_2D:計算溫度穩態分佈並通過影象互動顯示的應用
sharpen:共享記憶體實現影象銳化 - ch6
歸約與原子操作，考慮所有執行緒間的相互關係
parallel_dot：並行化的點乘操作
centroid_2d: 並行化計算圖形質心 - ch7
三維資料互動
(不是很感興趣沒怎麼看) - ch8
cuda中現有的庫
Trust庫：基本模板庫
cuRAND庫：隨機數產生
NPP庫：高效能原語庫
cuSOLVER和cuBLAS：線性代數庫
cuDNN庫：深度學習庫
ArrayFire庫：高效能平行計算庫
相關推薦
《CUDA高效能平行計算》閱讀摘要
這本書從例項出發，並詳細介紹了開發環境的配置，容易上手，挺適合初學者看的。 ch1 CUDA執行環境以及兩個序列運算例程distV1和distV2 ch2 CUDA並行程式設計模式介紹 ch3 一維陣列並行化方法 __device_
【平行計算-CUDA開發】GPGPU OpenCL/CUDA 高效能程式設計的10大注意事項
1.展開迴圈 如果提前知道了迴圈的次數，可以進行迴圈展開，這樣省去了迴圈條件的比較次數。但是同時也不能使得kernel程式碼太大。 迴圈展開程式碼例子： 1 #include<iostream> 2 using namespace std; 3 4 int main(){
CUDA實現矩陣相加的平行計算
（一）目的 熟悉基本的CUDA程式架構以及如何呼叫相應的API進行CUDA程式設計 （二）內容 完成矩陣相加的並行程式的實現（不用share memory實現） 要求： 實現2個矩陣（32*32）的相加，M矩陣的初始值全為2，N矩陣的初始值全為5。同時用C
CUDA平行計算 | 執行緒模型與記憶體模型
文章目錄 前言 CUDA執行緒模型（如何組織執行緒） CUDA記憶體模型（瞭解不同記憶體優缺點，合理使用） 前言 CUDA（Compute Unified Device Architecture
【平行計算-CUDA開發】淺談GPU平行計算新趨勢
隨著GPU的可程式設計性不斷增強，GPU的應用能力已經遠遠超出了圖形渲染任務，利用GPU完成通用計算的研究逐漸活躍起來，將GPU用於圖形渲染以外領域的計算成為GPGPU(General Purpose computing on graphics proces
【高效能】Matlab的平行計算之parfor
當matlab計算量很大，重複獨立的迴圈計算很多的時候，我們可以使用matlab的平行計算，這裡我先試驗了parfor平行計算。以下程式碼僅適合新版的matlab，改編自《實戰matlab之並行程式設計》。 啟動程式碼： function [pool] = startma
【平行計算-CUDA開發】FPGA 設計者應該學習 OpenCL及愛上OpenCL的十個理由
作為OpenCL CodeBench的開發者，Amdahl軟體公司始終堅信OpenCL能夠帶來巨大的利益，也從未懷疑過OpenCL標準的成功性。現在人們對計算效能的要求越來越高，在不超過發熱量和功耗的限制範圍，我們相信多核和多核系統提供了一個可行的解決方法。對於OpenCL使用者來說，OpenCL標準的優
【平行計算-CUDA開發】CUDA軟體架構與Nvidia硬體對應關係
硬體基本架構 實際上在nVidia的GPU裡，最基本的處理單元是所謂的SP(Streaming Processor)，而一顆nVidia的GPU裡，會有非常多的SP可以同時做計算；而數個SP會在附加一些其他單元，一起組成一個SM(Streaming Multiprocessor)。幾個SM則會在組成所
【高效能】Matlab的平行計算之spmd
parfor的並行思想是把同一批資料分給for迴圈中不同的迴圈體，進行處理。spmd的思想則是不同的資料，用同一個程式處理。當然這個程式內部可以編寫針對不同情況的處理程式碼。spmd的內部實現程式碼限制很少，spmd的靈活性比parfor要高得多。 spmd的使用方法如下：
【平行計算-CUDA開發】OpenACC與OpenHMPP
在西雅圖超級計算大會（SC11）上釋出了新的基於指令的加速器並行程式設計標準，既OpenACC。這個開發標準的目的是讓更多的程式設計人員可以用到GPU計算，同時計算結果可以跨加速器使用，甚至能用在多核CPU上。出於顯而易見的原因，NVIDIA在大力推廣和支援OpenACC。
【平行計算-CUDA開發】從零開始學習OpenCL開發（一）架構
本文將作為我《從零開始做OpenCL開發》系列文章的第一篇。 1 異構計算、GPGPU與OpenCL OpenCL是當前一個通用的由很多公司和組織共同發起的多CPU\GPU\其他晶片 異構計算（heterogeneous）的標準，它是跨平臺的。旨在充分利用G
平行計算-CUDA開發：淺談GPU平行計算新趨勢
前幾天偶然之間與同事談論到ROM，RAM,FLASH一些知識，而突然之間當我們去說這些英文單詞的
【計算機視覺】【平行計算與CUDA開發】GPU硬解碼---CUVID
問題描述：專案中，需要對高清監控視訊分析處理，經測試，其解碼過程所佔CPU資源較多，導致整個系統處理效率不高，解碼成為系統的瓶頸。 解決思路： 利用GPU解碼高清視訊，降低解碼所佔用CPU資源，加速解碼過程。 一、OpenCV中的硬解碼 OpenCV2.4.6中，
CUDA（9）之平行計算之CUDA
摘要 本文主要談談CUDA程式設計的一些特點。 1. CUDA擅長做什麼？ CUDA主要擅長可並行性的計算，以及浮點計算。換句話說，如果你的程式可並行化的程度較高，或者需要大量的浮點運算，那麼你的程式如果在GPU上執行的話，可以有比較顯然的效能的提升。 2.
Articulated pose estimation with flexible mixtures-of-parts 論文閱讀摘要
一、簡介 這篇論文是2011年的時候發表的，可以推測這個工作起碼在2009年底左右就開始了，也就說是屬於比較早期的人體姿態估計的工作。這個文章有程式碼github上的，程式碼。文章主要採用的是傳統方法做的，沒有使用到深度學習，也不需要使用GPU，可以說速度上已經
Going Deeper with Convolutions閱讀摘要
論文連結：Going deeper with convolutions 程式碼下載： Abstract We propose a deep convolutional neural network architecture codenamed Incept
opencv 平行計算函式 parallel_for_的使用
opencv 平行計算函式 parallel_for_ 前面的話 在使用opencv的過程中，對圖片的處理計算量還是很大的，所以在實施執行的程式中如何高效的計算會節省很多時間。現有的方法有很多，如OpenMp,TBB,OpenCL,當然還有Nvidia的CUDA。 但是OpenMP在wi
利用CountDownLatch實現平行計算
import java.util.concurrent.CountDownLatch; /** * @Author pipi * @Date 2018/10/15 13:56 **/ public class ParallelComputing { private int[] nums;
C++AMP 遇見C++ AMP 在GPU上做平行計算
分享一下我老師大神的人工智慧教程！零基礎，通俗易懂！http://blog.csdn.net/jiangjunshow 也歡迎大家轉載本篇文章。分享知識，造福人民，實現我們中華民族偉大復興！
平行計算框架
概念 框架與引擎 批處理框架 流處理框架 混合處理框架 MapReduce Hadoop 基本處理過程 優勢和侷限