您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 用GPU 加速求解线性方程组的高斯消元法

  2. 提出了应用图形处理器(GPU) 加速求解线性方程组的高斯消元法,用二维四通道纹理表示系数矩阵与常数向量构 成的矩阵,在该矩阵内完成归一化、消元等操作。提出了新的纹理缩减算法,该算法不要求纹理的边长是2 的幂,把该纹理算 法应用于高斯消元法的列主元搜索和确定主元行号。根据这些算法,使用OpenGL 着色语言编程,用图形处理器实现加速求 解线性方程组的高斯消元法,运算时间与基于CPU的算法比较,随着方程组未知量数量增多,基于GPU的算法具有较快的运 算速度,证实图形处理器能加速线性方程组的求解。
  3. 所属分类:其它

    • 发布日期:2010-01-24
    • 文件大小:196608
    • 提供者:nulng
  1. 一种在GPU上高精度大型矩阵快速运算的实现

  2. 设计了一种在图形处理器(GPU)上完成大型矩阵快速运算的方法,主要通过使用Kahan求和公式来确 保计算精度,根据GPU特点设计矩阵分块方式和内存分配机制来减少对数据访问频次,以发挥GPU的并行体系结构 特性来提高计算速度。实验结果表明此方法能够取得较好的效果,可大大提升大型矩阵乘法的运算速度和精度。
  3. 所属分类:专业指导

    • 发布日期:2010-01-24
    • 文件大小:492544
    • 提供者:nulng
  1. GPU\CUDA-主导GPU计算的革命

  2. GPU\CUDA-主导GPU计算的革命 回顾显卡的发展,用户对图形计算方面的需求不断的超出了CPU在计算能力方面的发展速度。随着CPU计算能力的进步,人们一度认为可以将图形、视频等需要大量运算的功能都交与CPU完成。但是在3D时代,人们发现庞大的3D图形数据计算量对CPU的负荷,已经远远超出了它所能承担的计算能力。为了满足海量数据的图形计算需求,显示芯片向更高速更复杂发展。终于有一天,当显示芯片实现的计算能力也无法满足快速增长的图形计算需求时,计算功能被脱离出来单独作为一个芯片设计,这就是专门
  3. 所属分类:嵌入式

    • 发布日期:2010-05-07
    • 文件大小:924672
    • 提供者:rennana
  1. 《GPU高性能运算之CUDA》-张舒-源代码

  2. 《GPU高性能运算之CUDA》-张舒-源代码 另外网址为bbs.hpctech.com
  3. 所属分类:其它

    • 发布日期:2010-06-23
    • 文件大小:3145728
    • 提供者:liujie40
  1. GPU 高性能运算之CUDA

  2. GPU 高性能运算之CUDA 不错的一本cuda教程 电子版很少哦
  3. 所属分类:专业指导

    • 发布日期:2010-09-25
    • 文件大小:14680064
    • 提供者:jihaifeng111
  1. GPU高性能运算之CUDA

  2. GPU高性能运算之CUDA GPU高性能运算之CUDA
  3. 所属分类:专业指导

    • 发布日期:2010-10-05
    • 文件大小:14680064
    • 提供者:asuka
  1. GPU 高性能运算之CUDA

  2. 国内第一本CUDA介绍的书 GPU 高性能运算之CUDA
  3. 所属分类:专业指导

    • 发布日期:2010-10-26
    • 文件大小:14680064
    • 提供者:gdf420
  1. 利用GPU进行高性能数据并行计算

  2. 早期的游戏, 显卡只是为屏幕上显示像素提供一 个缓存, 所有的图形处理都是由单独完成。图形渲 染适合并行处理, 擅长于执行串行工作的尸实际上难 以胜任这项任务。直到, 年, 机领域第一款户 秋。。出来以后, 游戏的速度、画质才取得了一个 飞跃。户的功能更新很迅速, 平均每一年多便有新一代 的户诞生, 运算速度也越来越快。以下表, 表明 年度尸与尸价格相当的情况下, 户的计算能力已 经远远高于户的计算能力。注户为每秒浮点 运算能力。
  3. 所属分类:专业指导

    • 发布日期:2010-11-05
    • 文件大小:478208
    • 提供者:poopsun
  1. GPU高性能运算之CUDA.pdf

  2. GPU高性能运算之CUDA GPU编程的经典之作,需要的同学下
  3. 所属分类:专业指导

    • 发布日期:2010-11-11
    • 文件大小:14680064
    • 提供者:fangkyo
  1. GPU编程与CG语言之阳春白雪下里巴人

  2. GPU具有高并行结构(highly parallel structure),所 以 GPU 在处理图形数据和复杂算法方面拥有比 CPU 更高的效率。图 1 GPU VS CPU展示了 GPU和 CPU在结构上的差异,CPU大部分面积为控制器和寄存器, 与之相比,GPU拥有更多的 ALU(Arithmetic Logic Unit,逻辑运算单元)用于 数据处理,而非数据高速缓存和流控制,这样的结构适合对密集型数据进行并行 处理。CPU 执行计算任务时,一个时刻只处理一个数据,不存在真正意义上的
  3. 所属分类:其它

    • 发布日期:2010-11-24
    • 文件大小:3145728
    • 提供者:thinkincuda
  1. GPU高性能运算之CUDA

  2. 《GPU高性能运算之CUDA》-张舒,详解CUDA使用细节
  3. 所属分类:其它

    • 发布日期:2011-01-12
    • 文件大小:14680064
    • 提供者:muyunluan123
  1. 稀疏大矩阵与矢量的乘积运算GPU源码

  2. 稀疏大矩阵与矢量的乘积运算源码 基于GPU NVCC设计
  3. 所属分类:C++

    • 发布日期:2011-02-03
    • 文件大小:91136
    • 提供者:charor
  1. 《GPU高性能编程CUDA实战》前3章(原书名CUDA by Example)

  2. UDA是一种专门为提高并行程序开发效率而设计的计算架构。在构建高性能应用程序时,CUDA架构能充分发挥GPU的强大计算功能。《GPU高性能编程CUDA实战》首先介绍了CUDA架构的应用背景,并给出了如何配置CUDA C的开发环境。然后通过矢量求和运算、矢量点积运算、光线跟踪、热传导模拟等示例详细介绍了CUDA C的基本语法和使用模式。通过学习本书,读者可以清楚了解CUDA C中每个功能的适用场合,并编写出高性能的CUDA软件。
  3. 所属分类:C

    • 发布日期:2011-02-15
    • 文件大小:1048576
    • 提供者:hzbooks
  1. GPU运算(专门P解wpa和wpa2的).rar

  2. GPU运算(专门P解wpa和wpa2的)无线破解
  3. 所属分类:其它

    • 发布日期:2011-06-25
    • 文件大小:1036288
    • 提供者:gnlt12
  1. Matlab笔记——使用GPU运算、调用C/C++程序、常见问题及解决

  2. MATLAB 2010b 中使用GPU运算,调用C/C++程序,常见问题及解决
  3. 所属分类:其它

    • 发布日期:2012-02-28
    • 文件大小:54272
    • 提供者:idealist5
  1. GPU运算在STM模拟中的应用

  2. 近年来,图形处理器(Graphics Processing Unit,GPU)的发展相当迅速,GPU 的运算能力及存储带宽均已远远超过目前主流CPU 。将GPU作为CPU 的协处理器 完成大规模数据密集型的计算任务,相对于集群和超级计算机的实现,具有很高 性能和性价比。
  3. 所属分类:其它

    • 发布日期:2012-04-06
    • 文件大小:6291456
    • 提供者:yujia269
  1. tensorflow指定CPU与GPU运算的方法实现

  2. 主要介绍了tensorflow指定CPU与GPU运算的方法实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  3. 所属分类:其它

    • 发布日期:2020-09-17
    • 文件大小:91136
    • 提供者:weixin_38724229
  1. pytorch 限制GPU使用效率详解(计算效率)

  2. 问题 用过 tensorflow 的人都知道, tf 可以限制程序在 GPU 中的使用效率,但 pytorch 中没有这个操作。 思路 于是我想到了一个代替方法,玩过单片机点灯的同学都知道,灯的亮度是靠占空比实现的,这实际上也是计算机的运行原理。 那我们是不是也可以通过增加 GPU 不工作的时间,进而降低 GPU 的使用效率 ? 主要代码 import time ... rest_time = 0.15 ... for _ in range( XXX ): ... outputs =
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:52224
    • 提供者:weixin_38582716
  1. tensorflow指定CPU与GPU运算的方法实现

  2. 1.指定GPU运算 如果安装的是GPU版本,在运行的过程中TensorFlow能够自动检测。如果检测到GPU,TensorFlow会尽可能的利用找到的第一个GPU来执行操作。 如果机器上有超过一个可用的GPU,除了第一个之外的其他的GPU默认是不参与计算的。为了让TensorFlow使用这些GPU,必须将OP明确指派给他们执行。with……device语句能够用来指派特定的CPU或者GPU执行操作: import tensorflow as tf import numpy as np with
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:102400
    • 提供者:weixin_38625164
  1. 基于GPU粒子系统的大规模场景高效雨雪实时模拟

  2. 粒子系统实现的雨雪效果能有效增强三维场景的真实感,传统基于中央处理器(CPU)运算模拟的粒子系统占用了大量CPU运算时间,难以达到实时模拟的要求.为此提出了一种基于图形处理器的(GPU)运算的粒子系统来模拟的雨雪场景.该方法通过在GPU中重复使用消亡粒子在视点坐标系内生成新粒子,并在几何着色器中将粒子的点坐标转换为矩形坐标,将CPU从复杂庞大的几何运算中解放出来,从而大幅增加了场景绘制的微粒数,使雨雪场景模拟的实时性和逼真度得到增强.
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:259072
    • 提供者:weixin_38592548
« 12 3 4 5 6 7 8 9 10 ... 17 »