CUDA开发

而由於傳統的電腦圖學都是以多邊形的方式來建構、繪製 3D 場景;這點和呈現 Volume 所需要的技術是不同的!所以 Volume Rendering 沒辦法直接使用傳統的電腦圖學方法來呈現。

programmiing model CUDA编程

CUDA编程手记1-parallel computing overall

CUDA学习--一维矩阵的加法代码

在Windows平台下，用cmake来搭建环境环境，在VS2005下运行CUDA程序。其实，在Windows下，在CUDA2.3的SDK里，有一个Cuda.Rules的文件。通过这个文件，在VS2005里可以很方便的设置各个编译参数。不过通过cmake文件可以不用重复设置编译参数。

本文将教你如何在ThinkPad R61i上安装CUDA环境

向量乘以矩阵(vector_matrix_multiplication)

在執行 CUDA 程式前，都要把資料先從 Host 的記憶體，複製一份到 device 的記憶體中;一般來說，這樣的部分，都是使用 device 的 global memory 來直接進行存取。不過實際上，有的時候還有別的選擇的～在《nVidia CUDA 簡介》中一文就有提到，除了 global memory 外，還可以透過 constant memory 或 texture memory 的形式，來對 device memory 資料的存取。

在前一篇已經大概介紹過 texture 的基本概念了，在這一篇，就來大概看一下，一般使用 linear memory 的 texture 的方法吧。

在 CUDA Texture 文章的第一篇大概講了一下 texture 在 CUDA 裡的基本概念，而第二篇則是講了 linear memory 的 texture，接下來，自然就是 CUDA Array 的 texture 了～

教你如何在WindowsVista 64bit+VS2008配置CUDA环境

CUDA体系架构支持怎么样的通信方法呢?本文将为你介绍CUDA通信机制

由于最近要做Cg运算平台到Cuda平台的算法移植工作，所以最近正考虑做一个GPGPU和Cpu运算效率的比较公正，但是由于手头的笔记本电脑仅仅对Cuda支持不好(上次安装Cuda后显卡烧坏了)，所以这里先做一个使用Cg编程的矩阵运算(加法)：

离散数据的二维卷积： 其中，Ar、Ac分别是A的行数与列数。应用很多，比如对图像做高斯平滑(去噪)，拿高斯核与输入图像做卷积。 convolutionSeparable之所以”Separable”，是因为它在row、col两个维上分别做了卷积操作。

在上一篇的《nVidia CUDA API》中，已經大概介紹了一些寫 CUDA 程式時，必須知道的 API；接下來，就先開始簡單的 CUDA 程式吧！ 這邊舉一個簡單的向量相加的程式來當例子。

CUDA 的 API 架構，大概分成「C 語言的 extension」、「runtime library」兩部分。extension 的部分，提供了 C 的一些延伸，來訂一 CUDA 的變數、程式等等;在最簡單的 case 裡，應該只要用到 extension 的部分就夠了～而 runtime library 的部分，則又提供了一些 CUDA device 的控制函式，以及一些針對 GPU 編寫的特殊的函式。

在《nVidia CUDA API(上)》的部分，已經大致說明了 extension 的部分;這邊要來講的則是 runtime library 的部分。

在运用cuda进行md5crack的时候，遇到一个问题，既cuda是并行的，他不向cpu那样会一句一句的执行。因此在执行过程中有用的线程在当前grid中的索引就显得很重要，那为我们生成md5的字典起到了非常重要的作用。但是，也因为他的串行，很多事情不像cpu那样方便了，因为我们必须从gpu的角度去看问题。现在就让我们看一下具体的问题。

在《nVidia CUDA API(下)》中有提到 CUDA SDK 裡有提供一些基本的裝置管理的界面，也就是像是「cudaSetDevice( int )」這一類的函式。基本上，這些 function 的功用、用法在該篇文章中講的應該是夠了～

延續上一篇講 thread block，這一篇能然是繼續講 transpose 這個範例程式;不過這一篇，則是將焦點放在 shared memory 的使用，也就是 transpose 這個最佳化過的 kernel 函式。