PlanckScale1729

要充分发挥出硬件的极致性能，透过CUDA干净的编程模型，了解背后的底层机制是非常重要的。本文将从硬件层次出发，介绍各种CUDA优化策略.

上一篇里说到，有两点对CUDA的计算能力影响甚大：数据并行，以及用多线程掩盖延迟。接下来我们要深入到其硬件实现，看一看这些机制是如何运作的。通常人们经常说某GPU有几百甚至数千的CUDA核心，这很容易让人联想到多核CPU。不过事实上两种“核心”是不一样的概念，GPU的CUDA核心只相当于处理器中的执行单元，负责执行指令进行运算，并不包含控制单元。可以类比到CPU核心的是流多处理器（Streaming Multiprocessor，简写为SM. Kepler中叫做SMX，Maxwell中叫做SMM），通常

解耦工作的难度一定程度上取决于要解耦的两个概念是否能够清晰的区分开来。算法描述和性能优化的解耦是不容易的，因为一般说来这两个概念不易区分。但在图像处理这样的领域里，计算具有典型的模式（数据在pipeline上流动，被各个节点依次处理），我们仍然可以把二者很好地解耦。Halide就是这样一门语言。Halide是由MIT、Adobe和Stanford等机构合作实现的图像处理语言，它的核心思想即解耦算法和优化，事实也证明它是成功的，在各种实例中它均以几分之一的代码量实现出同等或者数倍于手工C++代码的效能

本文原载于我的主页：planckscale.info，转载于此。版权声明：原创作品，欢迎转载，但转载请以超链接形式注明文章来源(planckscale.info)、作者信息和本声明，否则将追究法律责任。上一篇中谈到了编程模型中的Block等概念如何映射到硬件上执行，以及CUDA如何用并行来掩盖延迟。这一篇继续剖析SIMT，谈一谈控制流分叉，指令吞吐和线程间通讯机制。虽然

3D建模的软件N多，而基于照片的快速建模软件并不多，123D Catch算是很赞的一个，不需要任何技术背景便可轻松创建3D模型，但其是个完全的黑匣子，如何从照片一步步重建出3D模型的？VisualSFM和Meshlab两个软件让你了解三维重建的大致过程。

我们的主页：奇点视觉 全景技术是推动虚拟现实普及化的得力手段，而目前市面上的全景相机主要为二维全景拼接，没有深度感，缺少一个维度，因此很难产生真正的身临其境感。3D全景才是未来虚拟现实内容制作的真正王牌。但目前能制作高质量3D全景内容，甚至能够实时3D直播的产品仍鲜见于视野。 我们现在的全景技术已经非常完善的产品化，性能、质量和稳定性都处于世界领先地位，已在安防行业成熟应用。并支持

版权声明：原创作品，欢迎转载，但转载请以超链接形式注明文章来源(planckscale.info)、作者信息和本声明，否则将追究法律责任。目前市面上的VR全景多是二维，没有深度感，若真想拥有身临其境般的体验，深度信息必不可少。诺基亚的OZO，Google的Jump，Facebook开源的Surround 360，都是为3D全景而设计。OZO设备8个鱼眼售价高达三十多万，Surround