<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_45161895的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_45161895</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_45161895]]></copyright><item><title><![CDATA[CUDA内存合并]]></title><link>https://blog.youkuaiyun.com/qq_45161895/article/details/143495097</link><guid>https://blog.youkuaiyun.com/qq_45161895/article/details/143495097</guid><author>qq_45161895</author><pubDate>Mon, 04 Nov 2024 22:00:34 +0800</pubDate><description><![CDATA[当线程1第0次迭代读取M(0,0)数据时（一个sector），会得到M(0,0)，M(0,1)，M(0,2)，M(0,3)共4个sector，那样在第2，3，4次迭代可以直接从L2缓存中读取，不需要从全局内存中读取，当第5次迭代同样会得到M(0,4)，M(0,5)，M(0,6)，M(0,7)。但实际上发现多申请了24次，原因就是4个线程每读取一列数据，都不能合并成一次，8列造成了32次申请，其中8次（第0列和第4列）是从全局内存申请的，24次（第1，2，3，5，6，7列）从L2缓存中申请的。]]></description><category></category></item><item><title><![CDATA[CUDA避免Bank Conflict]]></title><link>https://blog.youkuaiyun.com/qq_45161895/article/details/143482660</link><guid>https://blog.youkuaiyun.com/qq_45161895/article/details/143482660</guid><author>qq_45161895</author><pubDate>Mon, 04 Nov 2024 13:59:20 +0800</pubDate><description><![CDATA[为了提高内存读写带宽，共享内存被分割成了32个等大小的内存块，即Bank，数据行优先存储padding方式可以避免Bank冲突。]]></description><category></category></item><item><title><![CDATA[CUDA实现加法]]></title><link>https://blog.youkuaiyun.com/qq_45161895/article/details/143270903</link><guid>https://blog.youkuaiyun.com/qq_45161895/article/details/143270903</guid><author>qq_45161895</author><pubDate>Sun, 27 Oct 2024 16:59:35 +0800</pubDate><description><![CDATA[表示从主机（Host）到设备（Device）的内存复制操作，占用了总时间的 34.67%，共调用了 3 次，平均每次调用时间为 1.1090 微秒。函数 ，仅需要设定一个线程约束（有效的线程，数组长度为N，线程索引小于N的为有效），使用全局的线程索引，此时SM中的线程束执行有效的线程，即可实现数组求和。实现矩阵C=A+B，矩阵设为ny行nx列，nx=ny=32，定义一个block有nx个线程，共1个block，那么需要运行ny次才能实现矩阵所有元素的相加。需要进行for循环，逐元素以此相加。]]></description><category></category></item><item><title><![CDATA[CUDA编程基本使用]]></title><link>https://blog.youkuaiyun.com/qq_45161895/article/details/143270577</link><guid>https://blog.youkuaiyun.com/qq_45161895/article/details/143270577</guid><author>qq_45161895</author><pubDate>Sun, 27 Oct 2024 16:50:48 +0800</pubDate><description><![CDATA[下面打印局部线程id，全局线程id，以及所在block，和对应的额矩阵值。]]></description><category></category></item><item><title><![CDATA[CUDA编程入门介绍]]></title><link>https://blog.youkuaiyun.com/qq_45161895/article/details/142923033</link><guid>https://blog.youkuaiyun.com/qq_45161895/article/details/142923033</guid><author>qq_45161895</author><pubDate>Mon, 14 Oct 2024 16:56:34 +0800</pubDate><description><![CDATA[什么是并行计算并行计算(parallel computing)是一种计算形式，它将大的问题分解为许多可以并发执行的小问题并行计算分为：任务并行(task parallel)和数据并行(data parallel)任务并行指多个任务同时执行数据并行指多个数据可以同时被处理，每个数据由独立的线程处理数据并行分块方法：块分(block partitioning)和循环分块(cyclic partitioning)GPU并行计算时，其实是指的基于CPU+GPU的异构计算架构。]]></description><category></category></item><item><title><![CDATA[卷积神经网络：LeNet网络手写数字识别代码实践]]></title><link>https://blog.youkuaiyun.com/qq_45161895/article/details/131658980</link><guid>https://blog.youkuaiyun.com/qq_45161895/article/details/131658980</guid><author>qq_45161895</author><pubDate>Tue, 11 Jul 2023 14:24:50 +0800</pubDate><description><![CDATA[介绍LeNet网络，Mnisit数据集训练，并在手机拍摄的数字进行识别]]></description><category></category></item><item><title><![CDATA[python：超详细OpenCV入门]]></title><link>https://blog.youkuaiyun.com/qq_45161895/article/details/131329234</link><guid>https://blog.youkuaiyun.com/qq_45161895/article/details/131329234</guid><author>qq_45161895</author><pubDate>Wed, 21 Jun 2023 16:33:47 +0800</pubDate><description><![CDATA[OpenCV库，一个基于开源发行的跨平台计算机视觉库，包括众多计算机视觉和图像处理的通用算法。]]></description><category></category></item></channel></rss>