搜索资源列表
cudatest
- cuda安装完成后，可以用此程序进行验证-Cuda test and verify
IIRCuda
- simple iir filter implementation on cuda
SMOOTH_LK
- GPU-CUDA平台高斯平滑,适合学习GPU加速-GPU-CUDA platform Gaussian smoothing
cuda-compute
- 用c++代码实现的GPU并行计算，实现的功能是计算数组的加法和乘法-GPU computing using parallel c++ code to realize the function of addition and multiplication to calculate the array
BlurRGB
- 利用cuda+opencv对照片进行高斯模糊-image blur using cuda and opencv
CUDA_RGBimageToGray
- 用cuda+opencv将RGB图像转换成灰度图-With cuda+opencv Converting an RGB image into grayscale
tombat
- GPU high performance 能编程CUDA实战,示例代码-CUDA GPU can high performance programming of actual combat, the sample code
SupportCUDA
- 这是基于VC的一个关于CUDA GPU程序，检测显卡是否支持CUDA编程，对初学者很有帮助。-This is a program detecting the Graphics kard supporting the CUDA or not。
GPU_OpenCL_MD5
- NVIDIA GUP CUDA实现的MD5算法，速度是PC实现的1000倍，非常高效。-NVIDIA GUP CUDA implementation of the MD5 algorithm, the speed is 1000 times the PC implementation, very efficient.
peayormance-sample-can
- GPU high performance 能编程CUDA实战,示例代码-CUDA GPU can high performance programming of actual combat, the sample code
notepadPPcuda_config
- notepad++中cuda代码的高亮显示配置文件 喜欢轻量级编辑器的GPU代码开发者可能会用到，notepad++7.3.3上经过实测-the config file for cuda in the editor notepad++
dijkstra_cuda
- 采用cuda对dijkstra算法进行并行实现，性能提升7倍多。- U91C7 u75286 u5B09 u5B09 u7
rozoeu
- GPU high performance 能编程CUDA实战,示例代码-CUDA GPU can high performance programming of actual combat, the sample code
matrix_mul_cuda_2.cu
- 矩阵相乘的cuda实现 矩阵分块且使用shared memory-parallel version of matrix multiply
GPUBarCode
- 这是在Matlab软件平台下的 GPU程序，用最近邻域双线性插值算法填补图像中缺失区域，是并行运算处理，使用CUDA来编写程序。(This is the GPU program under the Matlab software platform, and the nearest neighborhood bilinear interpolation algorithm to fill the missing areas in the image is parallel processing,
cudaMallocAndMemcpy
- 在主机和设备之间复制--从“cudaMallocAndMemcpy”模板开始。 第1部分：为设备上的指标 d_a 和 d_b 分配内存。 第2部分：将主机上的h_a复制到设备上的 d_a。 第3部分：将设备从 d_a复制到 d_b。 第4部分：将设备上的 d_b 复制回主机上的 h_a。 第5部分：在主机上释放 d_a 和 d_b。 额外部分：用cudaMallocHost代替malloc来分配h_a。(Copy between host and device -- start
myFirstKernel
- 启动内核--从“myFirstKernel”模板开始。 Part1：使用指针d_a为内核的结果分配设备内存。 Part2：使用1-D的1-D网格来配置和启动内核 线程块。 Part3：让每个线程设置一个d_a的元素，如下所示： idx = blockIdx.x * blockDim.x + threadIdx.x d_a [idx] = 1000 * blockIdx.x + threadIdx.x Part4：将d_a中的结果复制回主机指针h_a。 Part5：验证结果是否正
reverseArray_singleblock
- 反向阵列(单块)-- 给定指针d_a中的输入数组{a0，a1，...，an-1}，将反向数组{an-1，an-2，...，a0}存储在指针d_b中 A: 从“reverseArray_singleblock”模板开始 B: 只有一个线程块启动，以反转一个大小的数组 N = numThreads = 256个元素 C: 第1部分（共1个）：所有你需要做的是实现内核的“reverseArrayBlock（）” D:每个线程将单个元件移动到相反的位置, 从d_a指标读取输入,
reverseArray_multiblock
- 反向阵列（multiblock）: 给定指针d_a中的输入数组{a0，a1，...，an-1}，将反向数组{an-1，an-2，...，a0}存储在指针d_b中 A: 从“reverseArray_multiblock”模板开始 B:多个256线程块启动,要颠倒大小为N，N / 256块的数组 第1部分：计算要启动的块数 第2部分：实现内核reverseArrayBlock 请注意，现在您必须同时进行计算 块内的相反位置 反向偏移到块的开始(Reverse array
polar_BP_decoder.cu
- 本代码是基于GPU的polar码BP并行译码，主要完成基于GPU的并行译码功能，开发语言为CUDA C。(BP parallel decoding of polar codes based on GPU)