“MATLAB ile GPU Hesaplama” başlıklı bu sayfayı sürekli güncelleyerek MATLAB ile CUDA destekli grafik işlemcilerle GPU Hesaplama yapmak isteyen kişilere giriş seviyesinde bilgi vermeyi amaçlamaktayım. gpuDeviceCount komutu ile sistemimizde CUDA destekli kaç tane grafik kartı olduğunu sorguluyoruz. Genellikle 1 tanedir, bazı sistemlerde birden çok kart takılarak, bu kartları kullanarak hesaplama yapılırken hangi karta yönelik işlem>>>
Etiket Arşivleri: CUDA
30
Eyl
Eyl
A Parallel Version of Tree-Seed Algorithm (TSA) within CUDA Platform Presented at 29/09/2016, Selçuk International Scientific Conference On Applied Sciences – 2016 Paper: a_parallel_version_of_tree-seed_algorithm-within-cuda-platform-paper Slide: a_parallel_version_of_tree-seed_algorithm-within-cuda-platform-slide Video:
“Air pollution modelling using a Graphics Processing Unit with CUDA” başlıklı makale Molnár, F., Szakaly, T., Meszaros, R., & Lagzi, I. tarafından hazırlanmış olup Computer Physics Communications dergisinin 2010 yılında yayınlanan 181.sayısının 105-112.sayfalarında yayınlanmıştır. Hava kirliliği modeli oluştururken kabul edilebilir bir zamanda, en doğruya yakın çözümler üreten bir sistem kurmak ana amaçtır. Tek kaynaktan yayılan>>>
“A PSO-Based Document Classification Algorithm accelerated by the CUDA Platform” başlıklı çalışma Jan Platos, Vaclav Snasel, Tomas Jezowicz, Pavel Kromer ve Ajith Abraham tarafından hazırlanmış olup 14-17 Ekim 2012 tarihleri arasında Güney Kore’nin başkenti Seul’de düzenlenmiş olan “2012 IEEE International Conference on Systems, Man, and Cybernetics” isimli konferansta sunulmuştur. Dokümanların belirlenmiş etiket ve kategorilere göre>>>
“Particle Swarm Optimization within the CUDA Architecture” Luca Mussi ve Stefano Cagnoni tarafından yazılan makale 2009 yılında GPU’lar Genetik ve Evrimsel Hesaplama çalışması(GECCO 2009) çerçevesinde hazırlanmıştır. Aşağıdaki bağlantıdan makaleyi indirebilirsiniz: Particle_Swarm_Optimization_within_the_CUDA_Architecture Çalışmada 100 boyutlu bir sürü ile 22 kat hızlanma elde ettiklerini belirtmişlerdir. Lakin bir sürü içerisinde kaç parçacık olduğu ile ilgili çok açık bir>>>
[output1, output2] = feval(CUDA_Kernel,input1, input2, input3) şeklinde tanımlanan bir kernel fonksiyonunda ilk iki giriş değişkeni, çıkış değişkeni olarak kullanılır. İki veya daha az giriş değişkeni var ise ilk giriş değişkeni, çıkış değişkeni olarak belirlenir. Örneğin:
Kerneli aşağıdaki şekilde oluşturabiliriz: k = parallel.gpu.CUDAKernel(‘test.ptx’,’test.cu’); Peki bu kaç kere çalıştırılacak? Bunun ayarlanmasını ise GridSize ve ThreadBlockSize özellikleri ile yapmaktayız. Örneğin: k.ThreadBlockSize = [500,1,1]; kodu 500 kere ilgili kernelin çalıştırılacağını belirtir. GridSize: Blok sayısını belirleyen 3 boyutlu bir vektördür = [a b c] = Varsayılan değeri = [1 1 1]’dir. ThreadBlockSize: Bloklardaki thread sayısını>>>