Optimizing parallel reduction in CUDA 规约优化文档下载

weixin_39820835 2019-09-28 09:00:22

Optimizing parallel reduction in CUDA 规约优化文档
相关下载链接：//download.csdn.net/download/kebu12345678/10172613?utm_source=bbsseo

...全文

22 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

相关推荐

Optimizing parallel reduction in CUDA 规约优化文档

转自：http://hackecho.com/2013/04/cuda-parallel-reduction/ Parallel Reduction是NVIDIA-CUDA自带的例子，也几乎是所有CUDA学习者的的必看算法。在这个算法的优化中，Mark Harris为我们实现了7种不同的优化版本，将Bandwidth几乎提高到了峰值。相信我们通过仔细研读这个过程，一定能对CUDA程序的优化有更...

实践项目：人工智能程序Darknet性能调优200%以上Darknet介绍：一种轻量级的基于C和CUDA的开源深度学习框架。特点：容易安装，没有任何的依赖项，移植性好，支持CPU和GPU两种计算方式。项目要求：使用CPU并行计算的优化方式，使人工智能程序Darknet性能运行效率大幅度提高，较初始安装后的性能参数提高200%以上；项目要点：Darknet原理、天河超算平台使用、MakeFile、安装及运行、卷积神经网络算法YOLO、im2col、GEMM矩阵乘、gprof工具做性能分析、统计优化结果并编写文档；掌握技能：高性能计算与超级计算机Linux 常用操作命令编辑器VIM编译器GCC工程构建工具Make作业管理系统slurm调试器GDB传统性能优化高性能算法程序性能分析7天0基础快速入门高性能计算导师：原天河团队核心人员，项目实战经验丰富

课程环境：win10，python3，pytorch 1.7.1 + torchvision 0.8.2，cuda10.0+cudnn7.6.5 （暂时不关注GPU处理的，也可暂时不安装cuda、cudnn）；备注：环境不太熟的同学，可以参考课程【AI开发环境搭建】：https://edu.csdn.net/course/detail/35251问题：现在好多从事AI 深度学习的同学、以及刚入门深度学习的同学，不了解深度学习为什么会实现特征学习。why ？？？本课程利用【中文字识别】项目，用简单易懂的方式，让大家理解深度学习工作原理，并能够利用Pytorch实现多层神经网络设计，学会优化神经网络的一些方法。主要内容：1. 网络设计2. 数据加载、制作3. 模型训练4. 模型评估5. 模型优化6. 损失函数7. 优化器8. 模型加载9. 模型保存10. GPU加速11.LOSS曲线图生成

下载资源悬赏专区

12,107

社区成员

11,340,785

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告