![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CUDA
文章平均质量分 61
lvzt
这个作者很懒,什么都没留下…
展开
-
【分享NVIDIA GTC大会干货】基于真实世界的数据集的深度强化学习
机器学习大规模成功的共同要素是使用大量模型和大量的GPU训练,大多数的数据集都是有标签的数据集,虽然在传统意义上可以获得很好的效果,但是大多GPU训练都需要很高的花费和大型的数据集。然而进近几年未标记的数据运用越来越多,是现在机器学习非常重要的一部分,这就自然引入了强化学习技术,强化学习是直接推理决策及其后果的机器学习框架。然而,将强化学习与大多数现代机器学习系统运行的数据驱动范式相协调是很困难的,因为经典形式的强化学习是一种主动的在线学习范式。原创 2023-03-23 11:33:21 · 565 阅读 · 0 评论 -
【参加CUDA线上训练营】--储存单元及矩阵乘法
板子上芯片周围的显存颗粒(on board),读取速度相对慢,如下图中的local memory,global memory,constant memory,texture memory。global memory,constant memory,texture memory和主机之间都可以通信读写,通常显卡说明书写的显存大小,就是global memory。d_m:指向存储在Device端数据的地址的指针,从CPU内存传输到GPU存储单元。sizeof(int)* m * m:数据传输的大小。原创 2023-02-07 16:19:48 · 237 阅读 · 0 评论 -
【参加CUDA线上训练营】--CUDA编程模型线程组织
GPU在管理线程的时候是以block为单元调度到SM上执行,每个block中以warp作为一次执行的单位,每个warp包括32个线程。原创 2023-02-07 16:04:05 · 349 阅读 · 0 评论 -
【参加CUDA线上训练营】——实验编写CUDA程序
写完程序之后开始编译两种编译方法。然后生成一个可执行文件。利用CUDA写的程序。原创 2023-02-07 11:01:00 · 208 阅读 · 0 评论 -
【参加CUDA线上训练营】——初识CUDA
执行空间说明符,声明一个函数,在device上执行,host和device上调用。将函数声明为内核,在device上执行,device上调用。一般显卡,服务器用 nvidia-smi查看相关参数。从.cu 编译为.o,再从.o编译为可执行文件。3.将计算结果从GPU显存复制到CPU内存中。2.执行芯片缓存数据,加载gpu程序并执行。声明了一个函数,执行和调用都是在host。1.把数据用CPU处理好复制到gpu。int main()在host执行。2.Device GPU和显存。在device上执行。原创 2023-02-07 10:43:52 · 201 阅读 · 0 评论