支持cuda9.2的cudnn7.1压缩包。具体是那个版本忘了。支持linux系统。
2022-05-26 10:59:07
401.58MB
1
FFT-GPU-Accel
Fast Fourier Transform Acceleration Algorithm. (Accelerated by CUDA)
简要介绍
基于FFT的蝶形公式，利用GPU的多核心优势，结合蝶形公式算法中同一层级的运算因子互不干扰的特点，对算法进行了并行化优化处理，加速效果十分显着。
在同一测试机器上，速度能达到Matlab(R2017b)的数十倍。
核心算法
基于快速傅里叶变换的蝶形公式，对于N元待转换信号，蝶形公式为logN层级的子运算，每层的子运算中，运算因子在同层中互不干扰，因此只要利用好CUDA的__syncthreads()函数，在此基础上便可进一步利用GPU的单个线程来纵向处理每一个运算因子。
优化处理
注意到蝶形公式中的旋转因子Wn^k大量重复出现，因此必须要对旋转因子做好预处理工作。由于预处理数据是静态的，故可考虑将其放入纹理单元以加
2022-05-25 22:22:20
242KB
1
串行版本的矩阵乘法
M
N
P
WIDTH
WIDTH
WIDTH
WIDTH
// 宿主机的双精度矩阵乘法
void MatrixMulOnHost(float* M, float* N, float* P, int Width){
for (int i = 0; i < Width; ++i)
for (int j = 0; j < Width; ++j){
double sum = 0;
for (int k = 0; k < Width; ++k){
double a = M[i * width + k];
double b = N[k * width + j];
sum += a * b;
}
P[i * Width + j] = sum;
}
}
i
k
k
j
*
2022-05-25 10:08:57
436KB
1
一个老程序猿要走Pytorch的新路，先搭建一个运行调试环境，踩坑若干若干，那滋味就是一个字=太爽！分享给同路的小伙伴，一些学习成长吧！
涉及的内容包括：
1.更新显卡驱动GTX1070 CUDA Version：11.6；
2.从官网下载对应版本的 CUDA Toolkit Archive | NVIDIA Developer
3.安装NVIDIA cuDNN
4.安装Anaconda3
5.创建Pytorch_GPU运行的虚拟环境
6.使用清华镜像快速安装PytorchGPU版本
7.IDE安装Pycharm，链接Anaconda环境解释器
8.验证
2022-05-24 09:08:32
535KB
1
CUDA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。本书首先介绍了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。
2022-05-23 14:31:43
337KB
1