qq632544991p的专栏

1 GPU是什么      如图1所示，这台PC机与普通PC机不同的是这里插了7张显卡，左下角是显卡，在中间的就是GPU芯片。显卡的处理器称为图形处理器（GPU），它是显卡的“心脏”，与CPU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的。      GPU计算能力非常强悍，举个例子：现在主流的i7处理器的浮点计算能力是主流的英伟达GPU处理器浮点计算能力的1/12。

1. gdb 调试利器GDB是一个由GNU开源组织发布的、UNIX/LINUX操作系统下的、基于命令行的、功能强大的程序调试工具。 对于一名Linux下工作的c++程序员，gdb是必不可少的工具；1.1. 启动gdb对C/C++程序的调试，需要在编译前就加上-g选项:$g++ -g hello.cpp -o hello调试可执行文件:$

Mars是一个运行在gpu上的map/reduce框架，笔者最近最近想使用这个框架来做一些图处理的工作。然而mars运行在linux+cuda平台之上，最重要的是2009年开发mars使用的cuda2.0版本，如今cuda已经发展到7.5早期的库已经不支持。如何调试和运行mars困难重重。接下来笔者分享运行和调试mars的一些经验。1.我使用的unbutu版本是14.04，需要安装

话不多说，直接进入主题cublas是CUDA上矩阵运算的库，可以在gpu上实现很高的效率。然而关于它的使用，并没有详细的中文资料笔者，经过多次调试成功，分享一点儿心得#include #include #include // Multiply the arrays A and B on GPU and save the result in C// C(m,n) = A(

最近差点儿被一个工程逼疯，一点儿点儿的挑错，最后总算成功了，和大家分享一下心得2013年，高性能计算的顶会，发辫了这样的一篇论文《Medusa: Simplified Graph Processing on GPUs》，这是一项很有意思的工作。作者提出了一个基于gpu的图计算框架，这个框架参考了bsp的设计模型，在gpu上实现了图的迭代计算，大大简化了开发者在gpu上开发图处理的应用程序。

ubuntu14.04+cuda7.0 集成开发环境

从很多方面来看，CUDA和OpenCL的关系都和DirectX与OpenGL的关系很相像。如同DirectX和OpenGL一样，CUDA和OpenCL中，前者是配备完整工具包、针对单一供应商(NVIDIA)的成熟的开发平台，后者是一个开放的标准。 虽然两者抱着相同的目标：通用并行计算。但是CUDA仅仅能够在NVIDIA的GPU硬件上运行，而OpenCL的目标是面向任何一种Massively P

NVIDIA的显卡上，cuda装好opencl就自然有了，所以装cuda=装opencl.至于ubuntu上cuda如何安装,参加我的另一篇文章.那么下面我们测试opengl的程序如何，这里是一个oepncl最简单的程序，如果能编译通过，说明你已经配置好了opencl帮助intmain(){    cl_int s

1 硬件架构CUDA编程中，习惯称CPU为Host，GPU为Device。  2 并行模型Thread：并行基本单位Block：相互合作的一组线程。可以彼此同步，快速交换数据，最多可以512个线程Grid：一组Block，有共享全局内存Kernel：在GPU上执行的程序，一个Kernel对应一个GridBlock和Thread都有各自的ID，记作

笔者最近想编译cuda kernel的代码，不知道何种原因，cuda-gdb总是进入不了cuda 的kernel代码。问了身边的大神们，他们表示自己也没有用过cuda-gdb调试程序。他们告诉我最简单的方式就是设置printf输出中间变量。可是笔者有疑惑了，cuda __device__ 打头的函数不是不支持调用host端的函数吗，为何printf能调？我试着在kernel代码中加上print