Засоби CUDA для оброблення матричних даних великих розмірів
Засоби CUDA для оброблення матричних даних великих розмірів
У даній роботі основним завданням було дослідити платформу CUDA для побудови систем обробки матричних даних. У ході дослідження фреймворку, було визначено основні особливості архітектури сучасних графічних прискорювачів, досліджено модель памʼті, проаналізовано особливості програмування під масово-паралельні архітектури. За допомогою матриць можна описати більшу частину інженерних задач. Оскільки обробка матричних даних є однією з основних операцій, що виникають під час вирішення складних задач, то критично важливо мати можливість швидко виконувати типові операції над матрицями. Результатом даної роботи є сформовані підходи для адаптації алгоритмів для реалізації на GPU, а також набір тестів що висвітлюють переваги графічного прискорювача над центральним процесором. Загальний обсяг роботи: 73 сторінки, 24 рисунків, 7 таблиць, 20 посилань.
високопродуктивні обчислення, BLAS, sparse matrices, розріджені матриці, high-performance computing, CUDA
високопродуктивні обчислення, BLAS, sparse matrices, розріджені матриці, high-performance computing, CUDA
selected citations These citations are derived from selected sources.This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).0 popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.Average influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).Average impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.Average
Citations provided by BIP!Popularity provided by BIP!