问题标签 [gpgpu]

我正试图从我的网格中获得更多的处理能力。

我正在使用所有 cpus/cores，是否可以将 GPU 与 C# 一起使用。

有人知道任何库或有任何示例代码吗？

为了使这个问题成为一个可以回答的问题，而不仅仅是一个民意调查，我会这样问：

是否有任何第三方报告将 ATI 的 Stream 框架与 NVidia 的 CUDA 框架进行比较（即，不是来自 ATI 或 NVidia 的自言自语）？

有谁知道使用 NVIDIA 的CUDA 库实现标准压缩方法（如 Zip、GZip、BZip2、LZMA...）的项目？

我想知道可以利用大量并行任务（如压缩）的算法在显卡上的运行速度是否不会比双核或四核 CPU 快得多。

您如何看待这种方法的利弊？

我注意到 CUDA 应用程序在失败并退出之前往往有大约 5-15 秒的粗略最大运行时间。我意识到最好不要让 CUDA 应用程序运行那么长时间，但假设使用 CUDA 是正确的选择，并且由于每个线程的顺序工作量必须运行那么长时间，有没有办法延长这段时间或绕过它？

我正在用 GLSL 编写着色器，我需要向它传递一定数量的信息。传递此信息的唯一实用方法是使用一维纹理。
我正在创建纹理和设置GL_TEXTURE_MIN_FILTER，现在我GL_TEXTURE_MAG_FILTER需要GL_NEAREST
从着色器访问纹理，以便能够准确地索引我放入其中的每个数字 3 值向量。
有什么可靠的方法可以轻松做到这一点？
我正在寻找的是一个公式，它采用数组的大小和我想要的索引，并给我 [0,1] 中的数字，它对应于我想要的纹素。

我是商科专业的，我的学位课程已经完成了三分之二，有一点 PHP 经验，上过一门 C++ 入门课程，现在后悔选择了商科而不是编程/计算机科学。

我有兴趣学习更高级的编程；特别是 C，并最终使用 CUDA 架构进行人工神经网络数据分析（不是用于人工智能、视觉或语音处理，而是用于查找大型数据集中数据点之间的相关性和一般数据/统计分析）。

关于我应该如何开始学习 C 的任何建议？以及用于分析数据的 ANN/贝叶斯技术？书太多了，不知道选什么。

由于 CUDA 相当新，因此似乎没有太多对学习者友好（即简化）的材料。除了 NVIDIA 文档之外，是否还有针对 CUDA 的学习资源？

此外，您会向我推荐哪些有关 GPGPU 计算和大规模并行编程的资源来帮助我？

我正在考虑使用 GLSL 着色器将大量处理移植到 GPU。我偶然发现的一个直接问题是，在其中一个步骤中，算法需要维护一个元素列表，对它们进行排序并取几个最大的元素（哪个数字取决于数据）。在 CPU 上，这只是使用 STL 向量和 qsort() 来完成，但在 GLSL 中我没有这样的设施。有没有办法解决这个缺陷？

Portland Group 提供的 CUDA、OpenCL 和 GPU 选项令人着迷……结果令人印象深刻（某些组的速度提高了 125 倍）。听起来下一波 GPGPU 工具有望主宰科学计算世界。但是，我记得在宣布 GLSL 和 Cg 时同样大张旗鼓。

GLSL 和 Cg 发生了什么？是否已放弃支持？人们还在使用 GLSL 和 Cg 在 GPU 上进行通用计算吗？

在 CUDA 内核中，我的代码类似于以下内容。我正在尝试为每个线程计算一个分子，并将分子累加到块上以计算分母，然后返回比率。但是，CUDA 将 denom 的值设置为块中具有最大 threadIdx.x 的线程为 numer 计算的任何值，而不是跨块中所有线程计算的 numer 值的总和。有谁知道发生了什么？

“结果”应始终介于 0 和 1 之间，并且在整个块中的总和应为 1，但对于 threadIdx.x 为最大值的每个线程，它等于 1.0，并且某些其他值不限于其他线程的范围在块中。

如何开始在 Ubuntu 9.04 上进行 CUDA 开发？是否有任何预构建的二进制文件？默认加速驱动程序是否足够？

我的想法是实际使用 OpenCL，但现在似乎很难做到，所以我想我会从 CUDA 开始，然后在更容易获得的时候将我的应用程序移植到 OpenCL。