- 博客(4)
- 收藏
- 关注
RSS订阅
1原创 CUDA并行程序设计 GPU编程指南 第三章：CUDA硬件概述
第三章：CUDA硬件概述2021年8月20日星期五尽管本章内容较老，是2013年以前的内容。发展到2021年，CPU、GPU、存储系统都有所发展和变化，但其基本框架和原理大致相同。可供参考。Key Message:1、CUDA 4.0 SDK以后支持GPU-Direct功能，可以支持NIC跟GPU、GPU到GPU之间，直接通过PCIe进行数据传输，无需通过CPU进行中转。具体如何使用该功能，对支撑环境，包括、硬件（NIC、GPU等）、软件（驱动、SDK版本等）等，有哪些要求，开发环境如何配置等，需要
2021-08-20 14:40:32
154
原创 CUDA并行程序设计 GPU编程指南 第二章：使用GPU理解并行计算
第二章：使用GPU理解并行计算2021年8月20日星期五本章讨论了串行计算修改成并行计算的一般设计方法，较为抽象。但提供了很多研究线索。1、 GPU中块的数量，一般是SM数量的816倍（每个SM能并发调度816个线程块）;2、 块内线程的数量，小于1024（受限于SM中寄存器数量），不小于256，以覆盖Global Memory访问延迟，且等于WARP SIZE=32的整数倍。3、 流水线并行处理（pipeline parallelism）VS 数据并行处理4、 CUDA不考虑缓存一致性，交给程
2021-08-20 11:15:35
530
原创 CUDA并行程序设计 GPU编程指南: 第一章：超级计算简史
第一章：超级计算简史2021年8月19日星期四1、串行转并行：数据分解数据分解模型：各个SPE处理一部分数据，最后，PPC汇总结果。适用场景：数据密集，数据量大，但数据处理不是太复杂；且各个数据之间，互相独立，可以进行独立计算。比如：图像数据处理，各个像素独立处理；或者无线通信，各个不同频段的数据单独处理等。2、串行转并行：任务分解任务分解模型：复杂的计算，按流水线，分解成可单独执行的简单计算，各个SPE只执行部分计算任务。适用场景：计算密集型，数据有限，但计算量比较大，比如：高阶矩阵求逆，计
2021-08-19 18:00:08
425
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人