搜索到7814篇“ 统一计算设备架构“的相关文章
全部数字资源类型
相关度排序
借势AI,RISC-V架构能否“撼动”美国英伟达的统一计算设备架构(CUDA)生态?
2024年
在日前举办的第四届滴水湖中国RISC-V产业论坛(以下简称“滴水湖论坛”)上,北京大学讲席教授、RISC-V国际基金会人工智能与机器学习专委会主席谢涛表示:“手机成就了英国ARM的生态,我们期待AI成就开源的RISC-V的生态。”
李盼盼
关键词：RISCAI
统一计算设备架构下的F-X域预测滤波并行算法被引量：2
2021年
针对传统F-X域预测滤波去除地震资料随机噪声耗时巨大的问题,提出了基于统一计算设备架构(CUDA)的并行算法。首先,对算法进行模块化分析以找到算法的计算瓶颈;然后从每个窗口数据计算相关矩阵、求滤波因子、滤波等步骤入手,使用图形处理器(GPU)将滤波过程分解为多个任务并行处理;最后,对算法进行并行实现,并对相邻滤波窗口的数据冗余读取进行优化以提升算法效率。基于NVIDIA Tesla K20c显卡的实验结果表明,在250×250大小工区的地震数据中,所提并行算法较原串行算法在效率上实现了10.9倍的提升,同时能保证工程中要求的计算精度。
杨先凤贵红军傅春常
关键词：统一计算设备架构并行计算图形处理器
统一计算设备架构的D8算法并行化研究被引量：2
2020年
针对空间遥感技术的快速发展导致地理空间数据呈几何级数增长,传统GIS空间分析面临巨大的计算实时性需求的问题,该文为提高GIS数字地形分析算法在处理海量高分辨率DEM数据时的计算效率,基于CUDA众核流处理器并行编程模型,采用不同数据划分方法、纹理内存及异步数据传输机制等技术,对串行D8算法进行了并行化设计及算法优化,探索并分析了D8并行算法的数据拷贝与算法执行等环节的计算效率变化。实验结果表明,CUDA并行编程能够对D8算法实现较为明显的加速,在按5个行子块进行划分、调用1 344个线程时并行加速效果达到最佳,加速比为19.5。并且,在不同行子块划分方式下且调用线程数不超过1 344个时,加速比随调用线程数的增加而增长,计算时间占比随线程数的增加呈递减趋势。
张鹏俞宵马子云范俊甫周玉科
关键词：CUDA异步传输
基于统一计算设备架构的北斗软件接收机相关器设计
2016年
软件接收机相对于硬件接收机更灵活，通过可编程的软件平台能实现卫星信号的捕获、跟踪和定位解算，但接收机中的相关器运算量大，基于PC平台的软件接收机难以达到实时处理。本文利用PC机显卡的图形处理器（GSU）设计并实现了一种基于统一计算设备架构的相关器。实验结果表明，该相关器能实时完成北斗B1、B2和B3频点民用信号的相关运算，且运算速度比采用中央处理器（cPu）的传统软件接收机相关器快10倍以上，实现了软件接收机对GNSS信号的实时处理功能。
谢维华
关键词：北斗卫星导航系统统一计算设备架构软件接收机相关器
一种基于新型查表方法的统一计算设备架构并行计算全息算法被引量：11
2015年
为解决点源法计算全息速度较慢的问题,提出了一种新的查表算法,命名为三角函数查表法(T-LUT算法)。该算法是基于点源法基本的数学公式,通过一系列数学近似与恒等变换,生成了一种纯相位查找表,该查找表具有三维特性,并具有生成速度快、精度高、占用内存少等特点,克服了点源法重复计算相位的缺点。同时采用统一计算设备架构(CUDA)并行计算在图形处理器(GPU)上加以实现,并进行了三次并行优化。在算法的验证与对比实验中,采用单显卡(GPU显卡)实现T-LUT算法,在不牺牲全息图再现像质量的前提下,成功地将点源法计算全息的速度大幅度提升。实验发现在不同的物空间采样点数量的情况下,速度相对于点源法GPU运算提升30倍至近千倍不等。
蒋晓瑜丛彬裴闯闫兴鹏赵锴
关键词：全息查表法统一计算设备架构并行计算
基于统一计算设备架构的干涉成像光谱快速反演技术研究被引量：7
2014年
在基于干涉光谱成像的气体成分实时遥测应用中,为了对推扫获取的原始干涉数据进行快速、有效的反演处理,提出一种结合计算统一设备架构(CUDA)的并行时空混合调制型长波红外干涉光谱反演算法。通过分析自主研制的时空混合调制型干涉光谱仪的数据获取模式,结合CUDA平台实现了并行反演算法。实验结果表明,基于CUDA平台的并行计算技术比仅使用CPU进行计算在效率上提升了5至20倍,为后期进一步做光谱识别打下了基础。
李宇高教波孟合民张磊张茗璇
关键词：快速反演CUDA
基于统一计算设备架构和基因表达式编程的自动聚类算法被引量：1
2013年
针对基于基因表达式编程(GEP)的自动聚类算法GEP-Cluster中聚类中心的筛选和聚合、计算数据对象到各聚类中心距离两个关键步骤效率不高的问题,提出了一种基于统一计算设备架构(CUDA)和GEP的自动聚类改进算法(CGEP-Cluster)。CGEP-Cluster算法采用基因阅读运算器方法对GEP-Cluster算法的聚类中心筛选和聚合步骤进行改进,并基于CUDA将GEP-Cluster算法中数据对象到各聚类中心距离的计算并行化。实验结果表明,在数据对象规模较大时,CGEP-Cluster算法可获得8倍左右的加速比。CGEP-Cluster算法可用于聚类数未知且数据对象规模较大情况下的自动聚类。
杜欣刘大刚张开活申远赵康倪友聪
关键词：统一计算设备架构基因表达式编程聚类算法GEPCLUSTER演化算法
基于统一计算设备架构技术的图像处理方法和装置
本发明公开了一种基于统一计算设备架构技术的图像处理方法和装置，所述方法包括：获取基础数据，根据成像分辨率确定网格化结果数据规模；根据网格化结果数据规模获得K空间卷积窗口及窗内所有元素的坐标；依次根据K空间卷积窗内每一个元...
杨金柱赵大哲冯朝路栗伟王艳飞
磁共振扩散张量成像数据分析中基于统一计算设备架构的高速行处理求解超定线性方程组方法
2012年
目的提出一种运行于普通个人电脑平台上的并行方法,用于求解MR DTI中的超定线性方程组。方法利用统一计算设备架构(CUDA)使中央处理器(CPU)与图形处理器(GPU)协同求解超定线性方程组。CPU用于数据准备与生成扩散矩阵,GPU中的大量流处理器并行用于迭代计算。结果 CUDA模式下行处理运算速度远快于CPU串行计算,图像矩阵增大时这一优势更加明显。结论与CPU串行模式相比,CUDA模式可显著提高DTI数据处理速度。
王飞高嵩
关键词：扩散磁共振成像图像处理器统一计算设备架构
统一计算设备架构技术的应用研究进展被引量：1
2011年
统一计算设备架构(Compute Unified Device Architecture,CUDA)是NVIDIA公司近年来推出的针对图像处理单元(Graphics Processing Unit,GPU)的全新并行计算框架。借助其C语言兼容特性以及GPU的强大并行计算能力,CUDA技术在图像处理、科学计算等领域取得了良好的加速效果。文章在对CUDA技术的应用情况进行回顾和总结的基础上,重点介绍了不同应用中采用CUDA技术进行计算加速的原理,并探讨了CUDA技术今后的发展方向。
许建平
关键词：CUDA并行计算图像处理
加载更多 ∨

相关作者

肖汉
作品数：60被引量：256H指数：9
供职机构：郑州大学
研究主题：图形处理器 统一计算设备架构 计算语言 OPENCL CUDA
冯前进
作品数：285被引量：612H指数：11
供职机构：南方医科大学生物技术学院
研究主题：医学图像 图像 图像配准 图像分割 PET图像
陈庆奎
作品数：284被引量：629H指数：11
供职机构：上海理工大学光电信息与计算机工程学院
研究主题：并行通信 GPU集群 数据流 CUDA GPU
陈帝江
作品数：136被引量：136H指数：7
供职机构：中国电子科技集团公司第三十八研究所
研究主题：雷达结构 电子装备 工艺信息 雷达 卷绕机构
陈风
作品数：9被引量：11H指数：2
供职机构：江苏科技大学电子信息学院
研究主题：粒子群优化 统一计算设备架构 图形处理器 并行计算 图形处理单元