搜索资源列表
AnySrcMsg
- 一个基于分布式并行计算的消息传递代码~~有兴趣者可以按照此模板继续扩充自己想要的功能-A distributed parallel computing based on message passing code ~ ~ Those interested can follow this template you want to continue to expand the functions of
template.tar
- CUDA模板工程表示怎样建立一个实例工程。- Template project which demonstrates the basics on how to setup a project example application.
simpleTemplates.tar
- 这个范例是模板化的模板project.It的版本，也显示了如何正确的模板化动态分配共享内存阵列。-This sample is a templatized version of the template project.It also shows how to correctly templatize dynamically allocated shared memory arrays.
cuda_match
- 使用NVIDIA的CUDA并行架构下的模板匹配，效率比openCV的有很大提升-Template matching using the NVIDIA CUDA parallel architecture, enhance efficiency than openCV
templates.tar
- This program is designed to perform matrix matrix multiplication A x B = C, where A is an lxm matrix, B is a m x n matrix and C is a l x n matrix. The program is designed to be a template serial program that can be expanded into a parallel
SobolQRNG
- Sobel-Quasi随机数发生器template -Sobel-Quasi random generator template
vc_init_usr
- adams的用户自定义模板源文件,参照该源文件写adams的用户自定义子程序-adams user-defined template source files, with reference to the source file to write user-defined subroutines adams
hanshu2
- 使用c++编写的函数模板，主要是用来比较数字的大小-Use c++ write function template is mainly used to compare the size of the digital
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