GPU并行编程方法
来源:互联网 发布:中科院心理研究所知乎 编辑:程序博客网 时间:2024/05/22 10:58
编写利用GPU加速的并行程序有多种方法,归纳起来有三种:
1.
Nvidia 的CUDA工具箱中提高了免费的GPU加速的快速傅里叶变换(FFT)、基本线性代数子程序(BLAST)、图像与视频处理库(NPP)。用户只要把源代码中CPU版本的快速傅里叶变换、快速傅里叶变换和图像与视频处理库替换成相应的GPU版,即可得到性能加速。除了Nvidia提供的函数库以外,第三方的GPU函数库有:
- CUDA数据并行基元库(cuDPP)
- CULA工具:由EM Photonics公司推出, CUDA GPU中的LAPACK
- MAGMA:由Dongarra’s Group推出,CUDA GPU和多核CPU中的LAPACK
- 雅可比预处理共轭梯度(JCG)
- GPULib:针对接口描述语言(IDL)以及矩阵实验室(MATLAB)的数学函数库
- GPU VSIPL信号处理库
- 计算机视觉(CV)以及成像库
- OpenCurrent: 规则网格系统中CUDA加速PDE(partial differential equation,偏微分方程)开源数据库解决方案
- CUDA / GPU中的libSVM
- Multisvm:利用CUDA的多等级SVM
- cuSVM:支持矢量分类与衰减的CUDA使用方法
2.
这是最普遍、最适用的方法,使用CUDA可以最大限度地发挥GPU的加速性能。
3.
基于的OpenACC标准,GPU Directive编程是加快科学或工业的代码容易的、行之有效的方法。使用GPU指令,简单地在你的源码中插入编译指令,编译器会自动把计算密集型代码部分映射到到GPU的中去计算,从而加速你的代码。下面是一个简单的用一条指令如何可以加快计算圆周率的例子。使用GPU指令,你可以很快上手,并在当天看到的结果。
OpenACC编程的优点:
l
l
l
并行计算工具的领导者PGI、CAPS和Cray 将率先支持OpenACC。
0 0
- GPU并行编程方法
- GPU并行编程方法
- GPU并行编程方法
- GPU并行编程方法
- 【并行计算-CUDA开发】GPU并行编程方法
- MATLAB GPU并行编程
- GPU上并行编程建议
- gpu并行编程简略笔记
- 《CUDA并行程序设计:GPU编程指南》
- GPU编程—cuda并行机制
- 《CUDA并行程序设计:GPU编程指南》
- Matlab并行编程方法
- Matlab并行编程方法
- Matlab并行编程方法
- 并行编程与计算平台 | NVIDIA CUDA | NVIDIA --- GPU编程
- 使用 OpenCL.Net 进行 C# GPU 并行编程
- (gpu并行编程)cuda环境搭建中的问题
- GPU编程自学10 —— 流并行
- qt designer 启动失败
- 最长上升子序列
- c++ 转换与类类型简单实例
- 最简单的基于FFMPEG+SDL的音频播放器 ver2 (采用SDL2.0)
- 在select 中声明变量
- GPU并行编程方法
- pthread_join()
- android开发之异常java.lang.IllegalStateException: Adapter is detached.的解决办法
- Linux下记录所有用户操作的脚本
- Linux 动态库的显示调用
- hibernate 之 9.one2one双向
- 单点登录SSO的实现原理
- 常见android编译错误解决
- 关于Android通知栏的兼容问题