摘要随着图形处理器（GPU）的计算能力和可编程性的不断提高，利用 GPU 进行通用计算（GPGPU）逐渐成为研究的热点。的异构模式，虽然这种异构模式能够获得好的

该资源整理方式很独特，是利用结构图的形式进行整理。 该资源是对多核并行计算的总结，里面包含并行和并发，各种锁机制，同步机制，互斥机制，并发数据结构等内容的总结。有了该图，学习多处理器编程，会有很大的指导效果

多核处理器由于其性能较高，一般用于较复杂的实现功能较多的应用场合，外接高速大容量的 ＤＤＲ３是硬件设计 需要解决的关键问题之一。本文以８核 ＤＳＰ芯片 ＴＭＳ３２０Ｃ６６７８为应用平台，介绍了该处理器外接 ＤＤＲ３的设计方法。 文中详细介绍了 ＤＤＲ３的硬件接口设计、稳定参考电源设计、复位和上电时序、针对 ＤＤＲ３的ＰＣＢ布线设计、ＤＤＲ３的初 始化以及读写 ＤＤＲ３的时序和方法

针对显著性检测中特征选择的主观片面性和预测过程中特征权重的难以协调性问题，提出了一种基于全卷积神经网络和多核学习的监督学习算法。首先通过MSRA10K图像数据库训练出的全卷积神经网络（FCNN），预测待处理图像的初步显著性区域；然后在多尺度上选择置信度高的前景、背景超像素块作为多核支持向量机（SVM）分类器的学习样本集，选择并提取八种典型特征代表对应样本训练SVM；接着通过多核SVM分类器预测各超像素显著值；最后融合初步显著图和多核学习显著图，改善FCNN网络输出图的不足，得到最终的显著性目标。该方法在SOD和DUT-OMRON数据库上有更高的AUC值和F-measure值，综合性能均优于对比方法，验证了该方法在显著性检测中准确性的提高，为目标识别、机器视觉等应用提供更可靠的预处理结果。

VxWorks和QNX的多核处理器策略.ppt

VxWorks SMP多核编程指南.doc

VxWorks-SMP多核编程指南.doc

（4）其他提升 SPARSE BLAS： 压缩稀疏矩阵行格式的稀疏矩阵矢量乘法例程的性能提高了 20-50%。以下函数受到影响： mkl_dcsrgemv、mkl_dcsrsymv 和 mkl_dcsrmv。 Asin 和 Acos 函数的性能提高了 5 - 20% FFT： 2 的幂的大小大于 17 的单双精度 1 维复数 FFT 的性能最多提高了 40% 在 64 位模式下运行的英特尔(R) 64 位架构系统上，1 维实数的 FFT 在 n = 2、4、8、16、 32 或 64 时最多提高了 3 倍 VML： 通过 OpenMP 的自动线程处理，函数可利用多处理器系统（矢量长度为 n > 200），以及支 持英特尔超线程技术的系统（矢量长度为 n > 10000）。在双核处理器和双处理器系统上， 系统性能最多提高了 90%

有关于多核并行计算的，中国科学技术大学陈国良教授编写

lambda表达式权威指南 《精通lambda表达式：Java多核编程》介绍Java SE 8中与lambda相关的特性是如何帮助Java迎接下一代并行硬件架构的挑战的。本书讲解了如何编写lambda、如何在流与集合处理中使用lambda，并且提供了完整的代码示例。你将学习如何通过lambda表达式充分利用当今多核硬件所带来的性能改进。 主要内容： ●　为何需要lambda，它将如何改变Java编程 ●　lambda表达式语法 ●　流与管道的基本操作 ●　使用收集器与汇聚来终止管道 ●　创建流 ●　分割迭代器、fork/join框架与异常 ●　使用微基准测试检查流的性能 ●　使用默认方法演化API