使 CUDA 代码在 CPU 上无缝运行的库和头文件。 使用 cuda4cpu 在包含 CUDA 代码的源文件中包含cuda4hpc.hpp文件： # include < cuda4hpc> 使用cuda4hpc命名空间覆盖 CUDA 关键字和类型： using namespace cuda4hpc ; 使用launch函数而不是 CUDA <<<...>>>符号来启动 cuda 内核。 它返回一个临时对象，您必须使用它来传递内核参数： launch (my_cuda_kernel, grid, block)(arguments...); 使用 C++11 编译您的代码： g++ -o object_file -c source_file -std=c++11 将您的程序与libcuda4cpu链接： g++ -o my_app object_files

弹性波正演的CUDA代码,可用，在windows测试成功，使用者可以添加对速度模型文件的收敛判断函数

使用时域和 CUDA 中的有限差分对声波传播的简短实现。该代码正在求解压力公式中的二阶波动方程，O(2,8)。计算域被反射边界包围。 部分效果展示： https://github.com/ovcharenkoo/CUDA_FDTD_2D_acoustic_wave_propagation/raw/master/doc/wave.gif

该库为 GPU 提供高性能批量稀疏矩阵乘法 (SpMM) 内核。目标矩阵很小，行（或列）数为几十或几百。这种操作可以在图卷积网络的应用中找到。Batched SpMM 算法的详细信息可以在论文 (1) 中找到。 (1) Yusuke Nagasaka、Akira Nukada、Ryosuke Kojima、Satoshi Matsuoka，“用于加速图卷积网络的批量稀疏矩阵乘法”，第 19 届 IEEE/ACM 集群、云和网格计算国际研讨会 (CCGrid 2019)，拉纳卡，塞浦路斯，2019 年。（论文也在arXiv上）

使用 GPU 张量核加速稀疏矩阵-矩阵乘法 在这个存储库中，我们提供了加速稀疏矩阵-矩阵乘法 (SpGEMM) 实现的源代码

使用 ACO 的 TSP 说明 - 对于 ACO ，因为它是一个更小更简单的代码，我只为并行版本和 CUDA 版本分别使用了 1 个文件。我正在使用一个开源 map_generator（用 ruby​​ 编码），它将城市数量作为参数并构建一个 map.txt，其中包含一个带有所述 N 个城市的随机城市地图。运行地图生成器的命令：ruby map_generator.rb Num_of_cities -我已经编译并保存了 3 个不同的地图变体，以方便评分者检查我的代码。map25.txt 、 map50.txt 和 map100.txt 分别包含 25,50,100 个城市的地图。 - 运行代码的顺序和并行版本。只需执行“make”并运行顺序版本，例如运行 25 个城市 -> ./tsp-ant-cpu < map25.txt 并运行并行版本，例如使用 25 个城市 -> ./tsp- ant-gpu < map25.txt 这确保并行和顺序版本的输入数据相同 更多详情、使用方法，请下载后阅读README.md文件

CUDA-模拟退火 CUDA 中的模拟退火，用于使用序列对进行布局优化。

用cuda编写的LU分解解线性方程组问题

基于CUDA平台GPU加速的共轭梯度法求解器。示例中提供了线性方程组。