wxie的Linux人生

今天说说GPU的硬件结构中与CUDA相关的几个概念：thread    block  grid   warp  sp  smsp: 最基本的处理单元，streaming processor 最后具体的指令和任务都是在sp上处理的。GPU进行并行计算，也就是很多个sp同时做处理sm:多个sp加上其他的一些资源组成一个sm, streaming multiprocessor. 其他资源

摘要：NVIDIA公司在1999年发布GeForce256时首先提出GPU（图形处理器）的概念，随后大量复杂的应用需求促使整个产业蓬勃发展至今。GPU在这十多年的演变过程中，我们看到GPU从最初帮助CPU分担几何吞吐量，到Shader（着色器）单元初具规模，然后出现Shader单元可编程性，到今天GPU通用计算领域蓬勃发展这一清晰轨迹。本报告首先根据搜集到的资料记录GPU通用计算的发展过程中硬件和

本文从软硬件层面讲一下CUDA的结构，应用，逻辑和接口。分为以下章节：（一）、GPU与CPU（二）、CUDA硬件层面（三）、CUDA安装（四）、CUDA 结构与接口             4.1 Kernels             4.2 Thread，Block, Grid             4.3 Memo

以前对OpenCV在ARM-Linux， ARM-Android上的优化做了很多编译方面的努力，例如添加TBB支持，添加CUDA支持（Nvidia K1平台上）。这次突然听同事说增加了OpenMP选项后，在Windows+X86上有极大的优势，adaboost速度提高3倍。所以赶快在ARM-Android-NDK上测试一下。  0. OpenMP基础：OpenMP（

ARM公司对于能够在 移动设备 占有绝大部分的份额一直是颇感自豪。但是ARM公司并不只将目光放在处理器核心上，现在也开始在GPU核心上发力。该公司的研发目标之一就是通过CPU核心与GPU核心的 联合异构计算 以 提升性能/功耗表现，因此ARM公司新一代GPU核心就支持 充足的通用处理功能。     ARM公司将挪威GPU开发厂商Falanx购入旗下，之后就推出了由Falanx开发的 Mal

近年来，GPU广泛应用与高性能领域，其通用计算能力也得到了进一步的利用。与传统的CPU相比，GPU在处理能力和储存器带宽上有着明显的优势，在成本和功耗上也不需要付出太大的代价。        在当前主流的CPU+GPU架构中，CPU和GPU一般经过北桥芯片相互连接，各自有各自的外部储存器，分别为内存和显存。在这种混合架构中CPU负责逻辑性较强的事物运算，而GPU主要负责计算密集度较高的部分。其