- 博客(1)
- 资源 (25)
- 收藏
- 关注
原创 巧用CUDA中的pinned memory
这几天看别人的论文,发现一个比较有意思的实现方式。巧用pinned memory,在GPU中实现类似pipeline的功能。在论文中pipeline中,有四个操作:地址生成,数据组装,数据拷贝和计算。对于地址生成和计算是在GPU中操作的。 详细的请看一个例子: 1、我们假设有两个thread block,对于第一个block计算地址空间(在例子中省略了),在第一个bloc
2015-03-25 00:53:44 1961 1
GPU高性能计算之CUDA实例
GPU高性能计算系列丛书的第一本《GPU高性能计算之CUDA》已经出版,由张舒,褚艳利,赵开勇,张钰勃所编写。本书除了详细介绍了CUDA的软硬件架构以及C for CUDA程序开发和优化的策略外,还包含有大量的实例供读者学习参考用。
下表是各个实例的介绍列表。
文件夹
对应书中章节
备注
ACsearch_DPPcompact_with_driver
5.2.2
AC多模式匹配算法
asyncAPI
2.5
异步API调用示例
bandwidthTest
2.3.6
带宽测试
Bitonic
5.1.1
双调排序网络
conjugateGradient
5.2.1
共轭梯度算法,CUBLAS实现
cudaMPI
2.7.3
CUDA+MPI管理GPU集群
cudaOpenMP
2.7.2
CUDA+OpenMP管理多GPU
deviceQuery
2.1.4
设备查询
histKernel
2.4.3
亮度直方图统计
matrixAssign
2.1.4
矩阵赋值
matrixMul
4.7.1
矩阵乘法,利用shared memory
matrixMul_Berkeley
4.7.1
矩阵乘法,利用register
reduction
4.7.2
并行归约(缩减)程序
scan
5.1.2
Scan算法,例如计算前缀和
scanLargeArray
5.1.2
Scan算法,可以处理大数组
simpleCUBLAS
5.1.3
CUBLAS库的简单应用
simpleCUFFT
5.1.4
CUFFT库的简单应用
simpleD3D9
2.6.2
CUDA与Direct3D 9互操作
simpleD3D10
2.6.2
CUDA与Direct3D10互操作
simpleGL
2.6.1
CUDA与OpenGL互操作
simpleMultiGPU
2.7.1
多设备控制
simpleStreams
2.5.2
流的使用演示
simpleTexture
2.3.8
简单的纹理使用
simpleTextureDrv
2.3.8
简单的纹理使用,驱动API 实现
sortingNetworks
5.1.1
双调排序网络,处理大数组
threadMigration
2.7.1
通过上下文管理和设备管理功能实现多设备并行计算
timing
4.2.1
设备端测时
transpose
4.7.3
矩阵转置
transposeDiagonal
4.7.3
矩阵转置,考虑partition conflict
VectorAdd
2.2.3/2.3.4
矢量加
VectorAddDrv
2.2.3/2.3.4
矢量加,驱动API实现
【备注】以上工程,均在Windows XP 64-bit + Tesla C1060 + CUDA 2.3 + VS2005环境下测试通过。
2011-11-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人