ouczoe的专栏

  写了一个cuda程序，事实上是把cuda自带的一个程序写到了自己新建的一个工程里。    编译…………  提示两个warining，在前面的文章里，已经讲了解决方法。 提示有 error LNK2005:*** already defined in *** ，很费解，差了很多资料都没有解决。后来终于找到症结所在，把kernel函数设置为不参与编译。在matrixMul_ke

转载自: http://tb.donews.net/TrackBack.aspx?PostId=211668 一.预处理器-编译器-汇编器-链接器预处理器会处理相关的预处理指令，一般是以"#"开头的指令。如：#include "xx.h" #define等。编译器把对应的*.cpp翻译成*.s文件(汇编语言)。汇编器则处理*.s生成对应的*.o文件(obj目标文件)最后链接器把所有

断断续续看了一个星期cuda，然后就感冒了（cuda的魅力真是大==！），今天原地复活，复习一下，做下学习笔记。 CPU代码作用：在kernel启动前进行数据准备和设备初始化的工作，以及在kernel之间进行的一些串行运算。理想状况下 ，CPU串行代码的作用只是清理上一个kernel函数，并启动下一个kernel函数。 CUDA并行计算函数kernel：它是整个CUDA程序中的一个

CUDA存储器模型：GPU片内：register，shared memory；板载显存：local memory,constant memory, texture memory, texture memory,global memory;host 内存： host memory, pinned memory. register: 访问延迟极低；              基

异步函数使得主机端与设备端并行执行：控制在设备还没有完成前就被返回给主机线程；    包括：      kernel启动； 以Async为后缀的内存拷贝函数； device到device内存拷贝函数；存储器初始化函数，比如cudaMemset(),cudaMemset2D(),cudaMemset3D();     一些设备能够在kernel执行期间，执行pinned memory和显

Tesla图形与计算架构：流处理器阵列（scalable streaming processor array，SPA）+存储器系统，由片上互联网络连接；存储器系统：存储器控制器（MMC）、固定功能的光栅操作单元（raster operation processors，ROP），二级纹理缓存；            MMC：负责控制片外的DRAM显存，每个存储器可以提供64bit位宽；

CUDA程序优化CUDA程序优化应该考虑的点：精度：只在关键步骤使用双精度，其他部分仍然使用单精度浮点以获得指令吞吐量和精度的平衡；           延迟：需要首先缓冲一部分数据，缓冲的大小应该可以保证每个内核程序处理的一批数据能够让GPU慢负荷工作；           计算量：计算量太小的程序使用CUDA很不合算；当需要计算的问题的计算密集度很低的时候，执行计算的时间远远比