资源列表
duo
- 代码主要实现了单线程、多线程求π的计算方法，在集群上运行，比较时间。-The code mainly implements the single-thread, multithreaded method of calculating π, runs on the cluster, compares the time.
mpi-bitonic-sort-master
- Bitonic order implementation code with mpi usage
startParaller
- 并行运算，matlab函数，开始并行运算程序，很好用(Parallel operation, matlab function, start parallel computing program, very easy to use)
DAC
- digital to analog converter
Hands-on CUDA codes
- 用于CUDA方案的程序码说明,提供的练习有: cudaMallocAndMemcpy myFirstKernel reverseArray_singleblock reverseArray_multiblock reverseArray_multiblock_fast(Skeletons and solutions for hands-on CUDA codes, they are listed as the followings: cudaMallocAndMemcpy myFi
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
yx
- 简单的mpi程序，提供简单的mpi框架新手说明(Simple MPI program, providing a simple MPI framework, new instructions)
Parallel Programming With Microsoft Visual C++
- Parallel Programming With Microsoft Visual C++
MatlabCuda
- 自己写的GPU并行程序和MATLAB 平台混合调用，适合初学者学习MATLAB 和GPU的并行编程(Write their own GPU parallel program and MATLAB platform mixed call, suitable for beginners to learn MATLAB and GPU parallel programming)