Tag: gpu

在gcc编译器上编译多个程序时可以使用GPU加速吗？: 有什么方法或工具来应用GPU加速编译与GCC编译器的程序？现在我已经创build了一个程序来迭代地编译给定的程序列表。这需要几分钟的时间。我知道像Pyrit这样的一些程序，它有助于将GPU加速应用于预计算哈希。如果没有可用的工具，请咨询是否使用OpenCL或其他任何程序来重新编程我的代码。

如何使用GPU进行math: 我正在寻找利用GPU来处理一些方程式，但不知道如何从C＃中访问它。我知道XNA和DirectX框架允许您使用着色器来访问GPU，但是如何在没有这些框架的情况下访问它？

Python GPU编程: 我目前正在python项目中工作，我想利用GPU进行一些计算。乍一看，似乎有很多工具可用; 乍一看，我觉得我想失去一些东西。 Copperhead看起来很棒，但还没有发布。这似乎只限于编写低级CUDA或openCL内核; 没有推力，没有cudpp。如果编号喜欢有东西sorting，即时将不得不自己做。这对我来说似乎不太合适。我确实错过了什么？或者，这个GPU脚本不太适合炒作吗？编辑：GPULIB似乎可能是我所需要的。文档是最基本的，python绑定只是在传递，但现在正在申请下载链接。任何人都有这方面的经验，或链接到类似的免费学术使用的GPU库？重新编辑：好吧，python绑定事实上是不存在的。 Edit2：所以我想我最好的select是用C / CUDA编写一些东西，并从python中调用它。

何时调用cudaDeviceSynchronize？: 什么时候调用到cudaDeviceSynchronize函数真的需要？据我所知，从CUDA文档中，CUDA内核是asynchronous的，所以在每次内核启动后，我们应该调用cudaDeviceSynchronize 。但是，我已经尝试了使用和不使用cudaDeviceSynchronize的相同的代码（训练neural network），除了时间测量之前的一个。我发现我得到了相同的结果，但加速度在7-12倍之间（取决于matrix大小）。所以，问题是如果有任何理由使用cudaDeviceSynchronize分开计时。例如：使用cudaMemcpy将数据从GPU复制回主机之前是否需要？如果我做像matrix乘法 C = A * B D = C * F 我应该把cudaDeviceSynchronize之间的cudaDeviceSynchronize ？从我的实验看来，我没有。为什么cudaDeviceSynchronize太慢了呢？

VexCL，Thrust和Boost.Compute之间的区别: 只是对这些库的粗略理解，它们看起来非常相似。我知道VexCL和Boost.Compute使用OpenCl作为后端（虽然v1.0版本VexCL也支持CUDA作为后端），而Thrust使用CUDA。除了不同的后端，这两者之间有什么不同。具体来说，他们解决了什么样的问题空间，为什么要使用另一个。另外，在Thrust FAQ上也是这样说的 OpenCL支持的主要障碍是缺less支持C ++模板的OpenCL编译器和运行库如果是这样，VexCL和Boost.Compute甚至可能存在。

为什么绘制电话昂贵？: 假设纹理，顶点和着色器数据已经在显卡上，则不需要向卡发送太多的数据。有几个字节来标识数据，大概是一个4×4的matrix，还有一些其他的参数。那么所有的开销从哪里来？这些操作是否需要与gpu进行某种握手？为什么发送一个包含一堆在CPU上计算的小模型的网格通常比发送顶点ID和变换matrix要快？（第二个选项看起来应该有更less的数据发送，除非模型小于4x4matrix）

可以/我应该在GPU上运行此代码？: 我正在处理一个统计应用程序，其中包含大约10 – 30万个浮点数值。有几种方法在嵌套循环中对数组执行不同但独立的计算，例如： Dictionary<float, int> noOfNumbers = new Dictionary<float, int>(); for (float x = 0f; x < 100f; x += 0.0001f) { int noOfOccurrences = 0; foreach (float y in largeFloatingPointArray) { if (x == y) { noOfOccurrences++; } } noOfNumbers.Add(x, noOfOccurrences); } 目前的应用程序是用C＃编写的，运行在Intel CPU上，需要几个小时才能完成。我没有GPU编程概念和API的知识，所以我的问题是：使用GPU来加速这样的计算是否可能（并且是否有意义）？如果是的话：有谁知道任何教程或得到任何示例代码（编程语言无所谓）？任何帮助将不胜感激。

C＃：在GPU上执行操作，而不是CPU（计算Pi）: 我最近读了很多关于软件（主要是科学/math和encryption相关的）的部分计算到GPU上，导致支持的操作速度增加100-1000（！）倍的速度。有没有库，API或其他方式通过C＃在GPU上运行的东西？我正在考虑简单的Pi计算。我有一个GeForce 8800 GTX，如果这是相关的（宁愿卡独立解决scheme虽然）。

为什么GPU比CPU更强大: GPU如何比CPU更快？我读过一些文章，谈论GPU如何在比CPU更快地破解密码。如果是这样的话，那么为什么CPU不能像GPU一样devise，甚至在速度？