子矩阵计算
我想计算矩阵的两个子矩阵之间的成对距离。例如，我有一个矩阵A（MxN）和该矩阵B1（mxn）和B2（kxt）的两个块。更具体地，我想计算B1（1,1）元素与B2的所有其他元素的距离，并对所有B1元素进行这个过程。为了更清楚，B1和B2可以不是矩阵的紧凑部分，并且基本上我知道的信息是B1和B2的元素在矩阵A上的坐标。这里是一个示例。 for（int i = 0; i for（int j =
..
gpu相关内容
如何在同一块中的经纱分歧
我有点困惑，如何可能的变化，需要通过 __ syncthreads（）函数同步。块中的所有元素以SIMT方式处理相同的代码。怎么可能是他们不同步？它是否与调度程序相关？不同的经线有不同的计算时间吗？为什么使用 __ syncthreads（）时会有开销？ 假设我们在一个区块中有12个不同的变形，其中3个完成了他们的工作。所以现在有空闲和其他经线得到他们的计算时间。或者他们仍然得到计算时间来做
..
用于计算邻居列表的最佳GPU算法
给定3D中的数千个点的集合，我需要得到每个粒子的邻域的列表，其落入某个截止值（就欧几里得距离而言），并且如果可能的话，从最近的f距离排序。 在CUDA或OpenCL语言中，这是最快的GPU算法吗？ 解决方案 我知道的最快的GPU MD代码之一， HALMD ，使用了与 CUDA SDK示例，”粒子“。 HALMD论文和粒子白皮书都非常清楚。下划线算法是将粒子分配到截止半径大小的仓中，
..
goto指令在CUDA代码中的经内分支的影响
对于CUDA中的简单内部经线程差异，我知道SM选择一个再会聚点（PC地址），并在两个/多个路径中执行指令，同时禁用没有执行的线程的执行效果 例如，在下面的代码中： if（threadIdx.x
..
如何在Linux上获取连接的显示器数量到gpu？
我需要确定给定的CUDA设备是否显示连接。我知道没有CUDA功能这样做。 在Windows上，我可以使用NVAPI获取连接的显示器数量和每个设备的PCI总线/插槽ID。使用后者，我可以找到匹配的CUDA设备（通过调用cudaGetDeviceProperties）。 如何在Linux上执行同样的操作，NVAPI不可用？ 技术上，我需要的是一个Linux替代下面的代码： N
..
如何在GPU中添加数组的元素？任何类似于CUBLAS中的cublasDasum的函数？
我知道我可以执行 parallel reduction 来并行计算数组的元素。 但是我有点难以跟随它。我看到在cublas，有一个称为 cublasDasum 的函数，它将元素的绝对值相加。似乎应该有一个非常类似的功能，总结元素，而不是绝对值。有任何方式，我可以找到 cublasDasum 的源代码，看看这是怎么做的？ 添加数组是一个基本的操作。我不能相信没有这样的功能，它...。
..
cudaMemcpyToSymbol不复制数据
我想使用 __ constant __ 内存，所有内存中的所有线程都可以访问。 声明是这样的 extern __constant__ float smooth [8 * 1024] 我使用将数据复制到此变量 cudaMemcpyToSymbol（“smooth”，smooth_local，smooth_size，0，cudaMemcpyHostToDevic
..
是否可以在应用程序之间共享Cuda上下文？
我想在两个独立的Linux进程之间传递一个Cuda上下文（使用我已经设置的POSIX消息队列）。 使用 cuCtxPopCurrent（）和 cuCtxPushCurrent（），我可以得到上下文指针，但是这个指针在进程的内存中引用我调用函数，并在进程之间传递它是无意义的。 我正在寻找其他解决方案。我的想法到目前为止： 尝试深入复制 CUcontext 查看是否可以找到一个共享
..
如何释放device_vector< int>
我使用推力装置向量分配了一些空间，如下所示： thrust :: device_vector s（10000000000）; 如何清楚地显示并正确？ 解决方案 clear（）将向量的大小设置为0，相关的内存。使用STL释放内存的标准方法是用空矢量交换矢量。它应该也适用于Thrust。 v.clear（）; device_vector
..
cuda：warp发散开销vs额外算术
当然，通过 if 和 switch 语句， 。 但是什么是经线发散的开销（仅调度一些线程执行某些行）与额外的无用算法？ / p> 考虑以下虚拟示例： verison 1： __ device__ int get_D（int A，int B，int C） { //对于每个线程，值A可能不同。 int D = 0; if（A
..
CUDA：注入我自己的PTX功能？
我想能够使用PTX 1.3中的一个功能，该功能尚未实现它的C接口。有没有办法在PTX中编写自己的函数并注入到现有的二进制文件中？ 我正在寻找的功能是获取％smid 解决方案 答案： __ noinline__ __device__ uint get_smid（void） { uint ret; asm（“mov.u32％0，％smid;”：“= r”（ret））;
..
多个GPU与Cuda推力？
如何在多个GPU上使用Thrust？ 只是使用cudaSetDevice（deviceId） ，然后运行相关的Thrust代码？ 解决方案 p>使用CUDA 4.0或更高版本， cudaSetDevice（deviceId）后跟您的推力代码应该工作。 请记住，您需要在每个设备上创建和操作单独的矢量（除非您有支持对等内存访问和PCI-快速带宽足以满足您的任务）。
..
CUDA中的广义Hough变换 - 如何加快binning过程？
正如标题所说，我正在研究一些平行计算机视觉技术的个人研究。使用CUDA，我试图实现一个GPGPU版本的霍夫变换。我遇到的唯一问题是在投票过程中。我调用atomicAdd（）以防止多个同时写入操作，我似乎没有获得太多的性能效率。我在网上搜索，但没有发现任何方式显着提高表决过程的性能。 非常感谢您提供有关投票程序的任何帮助。 解决方案 我不熟悉霍夫变换，所以发布一些伪码可以帮助这里。但是
..
CUDA“无兼容设备”在Ubuntu 11.10 / 12.04上的错误
我一直在试图在我的笔记本电脑上建立一个Ubuntu环境一段时间，现在CUDA编程。我目前双启动Windows 8和Ubuntu 12.04，并希望在Ubuntu上安装CUDA 5。 笔记本电脑配有GeForce GT 640M显卡（完整规格请参见下文）。这是一个Optimus卡。 最初我是双引导Ubuntu 11.10，并尝试过11.10和12.04的教程。 我尝试了许多形状和尺
..
DirectCompute和OpenCL for GPU编程？
我有一些（财务）任务应该很好地映射到GPU计算，但我不确定是否应该使用OpenCL或DirectCompute。我做了一些GPU计算，但它是很久以前（3年）。我通过OpenGL做了，因为那时没有真正的任何替代。 我看到一些OpenCL演示文稿，看起来很不错。我还没有看到任何关于DirectCompute的事情，但我期望它也很好。 我对跨平台兼容性不感兴趣，除此之外， ，我期望两个模型是
..
将GPU上构建的anano模型转换为CPU？
我有一些建立在gpu上的深度学习模型的pickle文件。我想在生产中使用它们。但是当我尝试在服务器上取消它们，我得到以下错误。 回溯（最近最后一次呼叫）： 文件“score.py”，第30行，位于 model =（cPickle.load（file）） 文件“/usr/local/python2.7/lib/python2.7/site-packages/Theano-0.
..
如何调试CUDA使用eclipse Nsight与只有一个GPU
我收到一个错误：“所有的cuda设备都用于显示，调试时不能使用 （使用Ubuntu） 任何方式使用Nsight eclipse只有一个GPU调试？ 我看到了解决方案像 “sudo service lightdm stop” 杀死X但是杀死Nsight eclipse太多了什么意思？ 更新：由于不可能使用运行X的同一GPU进行调试，我不得不问：在家庭网络中如何使用ANOTHER计
..
我如何使用GPU与Java编程
我使用CUDAC这些天访问GPU。但现在我的指南要求我使用Java和GPU。所以我在互联网上搜索并找到 Rootbeer是最好的选择，但我不能理解如何使用“Rootbeer”运行程序。可以有人告诉我使用Rootbeer的步骤。 解决方案 来自Nvidia的Mark Harris CUDA在SC14的未来。您可以观看这里 。 您可能会感兴趣的主要事情是他谈论编程语言，特别是Java的部
..
多个进程并行启动CUDA内核
我知道具有2.x或更高的计算能力的NVIDIA gpus可以同时执行u pto 16内核。 然而，我的应用程序产生了7个“进程”，这7个进程中的每个进程都启动了CUDA内核。 我的第一个问题是，这些内核。 我很困惑，因为CUDA C编程指南说： “来自一个CUDA上下文的内核不能与来自另一个CUDA上下文的内核同时执行。 这带给我第二个问题，什么是CUDA“上下文”？
..
CUDA内核能调用cublas函数吗？
我知道这听起来很奇怪，但这里是我的场景： 我需要做一个矩阵 - 矩阵乘法（A（n * k）* B * n）），但是我只需要为输出矩阵评估对角元素。我搜索cublas库，没有找到任何2级或3级功能可以做到这一点。 所以，我决定分配A的每一行和B的每一列到CUDA线程。对于每个线程（idx），我需要计算点积“A [idx，：] * B [：，idx]”并将其保存为对应的对角线输出。现在，因为这
..