GPU

摘要： 随着天文大科学设备的投入使用,传统的开发模式面临程序重复开发,环境依赖冲突等问题.另外,集群是一个高度耦合的计算资源,严重的环境冲突可能导致整个集群不可用.为了解决这个问题,采用微服务的概念开发新的流水线框架,这种框架可以实现短期内开发和部署新的流水线.介绍了通过这种框架开发的ONSET数据流水线,为了实现准实时数据处理,采用MPI和GPU技术对核心程序做了优化,并对最后的性能做了评估.结果表明,这种开发模式可以在短期内搭建满足需求的流水线,这种开发模式对未来多波段多终端的天文数据处理有借鉴意义.

摘要： PCM/FM信号的非相干鉴频解调存在门限效应,将多符号检测技术引入PCM/FM信号的解调中,可以提高约3 dB的解调增益。多符号检测多采用FPGA实现系统功能,存在硬件设计周期较长、硬件平台通用性低和升级难度大等问题,距离软件无线电设计理念有较大的差距。针对传统硬件实现的问题,设计了基于GPU的多符号检测实现方法,根据算法原理和GPU并行方法设计出基于GPU的并行滑动相关实现方法;据此设计了基于GPU的多符号检测算法的并行化方法;设计了基于GPU的Gardner位同步算法。实验结果显示,基于GPU的多符号检测算法满足实时性的要求,解调增益稍优于FPGA系统。

摘要： 4月7日,荣耀发布了Play系列新机——荣耀Play6T Pro,起售价仅为1599元,那么这款手机都有哪些优点与不足?值得购买吗?先来看性能,荣耀Play6TPro搭载天玑810,该处理器发布于2021年第三季度,采用台积电6nm制程工艺,拥有两颗2.4GHz A76大核、六颗2.0GHz A55能效核心,集成Mali-G57 GPU,定位中端,性能与高通骁龙765G相当,除了满足日常使用,玩一些例如《王者荣耀》的热门手游也没有问题。

摘要： 作为一家能够同时提供高性能CPU和高性能GPU解决方案的科技公司,AMD一直致力于不断拓展技术的边界,打造符合未来技术趋势的伟大产品。如今我们已经来到了一个特别的时代,创新技术成为了经济发展和社会进步的巨大动能。

摘要： 在2021年底结束的腾讯数字生态大会上,全球头部计算机硬件制造商AMD携手腾讯云共同发布了全新的腾讯云星星海炙热火系异构服务器AG251以及星星海智慧木系GA01 GPU卡,核心目的在于可以随时随地为计算机使用者提供最真实的体验。

摘要： 针刺人体软组织是医疗诊断中比较普遍使用的治疗手段,然而细微的针刺操作对医生的能力提出较高的要求。医生可采用虚拟现实技术来进行大量的训练,获得宝贵的经验。虚拟针刺过程中的软组织变形是重要研究内容。文章采用有限元方法建立软组织模型,使用GPU加速仿真的方法,实现针刺软组织的仿真。实验结果表明,软组织模型在针刺作用下,能产生局部的、小区域的变形。

摘要： 文章设计了一种基于GPU平台的水声数据管理系统,该系统能够对来自不同平台、不同种类的数据进行智能化管理。利用GPU的大规模运算能力,实现对水声阵元数据的快速处理,将处理后的时域数据、频域数据、音频数据和目标特征数据等多种类型的数据,使用非结构化方式的数据库管理。

摘要： 基于树莓派开发板,控制树莓派车载平台进行人脸信息采集,并回传电脑终端。利用MTCNN人脸检测技术对采集图像中出现人脸位置进行并行框选,得到人脸框选图。在人脸框选的基础上,使用MobileNet模型对训练集进行卷积神经网络训练,对测试集进行训练结果测试,方可训练出口罩佩戴识别的权重文件,作为口罩佩戴识别重要参数。最终在UI功能界面实现对图片或实时视频中人脸佩戴口罩的识别。该系统用于解决疫情防控期间,公共场合中流动人员是否佩戴口罩的问题。以达到提高人群口罩佩戴率,避免人工检测对检测人员带来的风险。

摘要： 东营市智能信息处理实验室于2019年12月获批,2020年12月建成。实验室占地面积约100 m^(2),现有GPU服务器4台,其中3台配置256 G内存、1块480 G固态、一块4 T的机械盘和2块2080Ti显卡;1台GPU服务器配置256 G内存、1块480 G固态和一块8 T的机械盘,1块GPU Nvidia TeslaV100显卡;存储服务器配置128 G内存、2块240 G固态,36块4 T机械盘;另有6组机柜、UPS电源、KVM切换器、4台高性能电脑。

摘要： 随着全球期权市场规模逐年增大,为了满足实时交易、监管和制定决策等需求,计算速度是银行业重点考虑的要素之一。通用图形处理器在解决金融领域大规模数据并行计算问题上发挥着优秀的性能。讨论在局部波动率模型上期权定价蒙特卡罗方法的图形处理单元(graphics processing unit,GPU)并行加速问题,比较使用C++和openACC实现的欧式看涨期权和亚式看涨期权的CPU串行定价程序与GPU并行定价程序之间的时间开销和加速比。测试表明,在搭载了NVIDIA Tesla P100 GPU的计算机上GPU并行算法取得了加速效果。

摘要： 海浪仿真的实时性是海洋场景仿真的重要需求之一。对海面网格和浪高计算同时进行简化处理,提出一种快速的海浪仿真方法。该方法采用放射状环形网格对海面进行LOD划分,用海浪谱反演生成海浪高度纹理图序列,并在GPU顶点着色器上对海面网格进行循环纹理映射以获得网格节点的动态高度数据。同时,采用多级纹理映射和视域裁剪对海面网格进行优化处理。实验结果表明,提出的方法能有效提升海浪仿真速度,仿真对CPU的占用率低,真实感强,可充分满足视景仿真系统对海浪仿真的实时性要求。

摘要： 海浪仿真的实时性是海洋场景仿真的重要需求之一。对海面网格和浪高计算同时进行简化处理,提出一种快速的海浪仿真方法。该方法采用放射状环形网格对海面进行LOD划分,用海浪谱反演生成海浪高度纹理图序列,并在GPU顶点着色器上对海面网格进行循环纹理映射以获得网格节点的动态高度数据。同时,采用多级纹理映射和视域裁剪对海面网格进行优化处理。实验结果表明,提出的方法能有效提升海浪仿真速度,仿真对CPU的占用率低,真实感强,可充分满足视景仿真系统对海浪仿真的实时性要求。

摘要： 海浪仿真的实时性是海洋场景仿真的重要需求之一。对海面网格和浪高计算同时进行简化处理,提出一种快速的海浪仿真方法。该方法采用放射状环形网格对海面进行LOD划分,用海浪谱反演生成海浪高度纹理图序列,并在GPU顶点着色器上对海面网格进行循环纹理映射以获得网格节点的动态高度数据。同时,采用多级纹理映射和视域裁剪对海面网格进行优化处理。实验结果表明,提出的方法能有效提升海浪仿真速度,仿真对CPU的占用率低,真实感强,可充分满足视景仿真系统对海浪仿真的实时性要求。

摘要： 海浪仿真的实时性是海洋场景仿真的重要需求之一。对海面网格和浪高计算同时进行简化处理,提出一种快速的海浪仿真方法。该方法采用放射状环形网格对海面进行LOD划分,用海浪谱反演生成海浪高度纹理图序列,并在GPU顶点着色器上对海面网格进行循环纹理映射以获得网格节点的动态高度数据。同时,采用多级纹理映射和视域裁剪对海面网格进行优化处理。实验结果表明,提出的方法能有效提升海浪仿真速度,仿真对CPU的占用率低,真实感强,可充分满足视景仿真系统对海浪仿真的实时性要求。

摘要： This paper mainly researches the latest GPU parallel computing technique； gives a briefintroduction on the exploring environment of CUDA universal computing；verifies the function of GPUparallel computing through an application case. The result of test confirms that GPU is capable of accelerating.rn In recently years, with the huge development of GPU(Graphics Processing Unit), the processing speed andbandwidth of memory are increasingly promoting；the speed and quantity of graphics processing are improvingas a consequence；the inventionhardware techniques is increasedof creative graphicsin themeanmotivate the development of picture processing,realization, computer emulation greatlytune. It virtual.

摘要： This paper mainly researches the latest GPU parallel computing technique； gives a briefintroduction on the exploring environment of CUDA universal computing；verifies the function of GPUparallel computing through an application case. The result of test confirms that GPU is capable of accelerating.rn In recently years, with the huge development of GPU(Graphics Processing Unit), the processing speed andbandwidth of memory are increasingly promoting；the speed and quantity of graphics processing are improvingas a consequence；the inventionhardware techniques is increasedof creative graphicsin themeanmotivate the development of picture processing,realization, computer emulation greatlytune. It virtual.

摘要： This paper mainly researches the latest GPU parallel computing technique； gives a briefintroduction on the exploring environment of CUDA universal computing；verifies the function of GPUparallel computing through an application case. The result of test confirms that GPU is capable of accelerating.rn In recently years, with the huge development of GPU(Graphics Processing Unit), the processing speed andbandwidth of memory are increasingly promoting；the speed and quantity of graphics processing are improvingas a consequence；the inventionhardware techniques is increasedof creative graphicsin themeanmotivate the development of picture processing,realization, computer emulation greatlytune. It virtual.

摘要： 水平集方法解决了传统活动轮廓方法难以适复杂的图像边缘拓扑变化问题。GPU技术为图像并行化处理提供了高效的图像处理机制，通过将图像处理过程中可并行化处理的部分移植到GPU平台上进行处理，能够大幅度地减少图像处理的时间。本文对影响水平集演化的一个重要索-距离变换函数进行了研究，选择了高效、准确的距离变换算法，并利用CUDA构架实现了水平集函数更新计算部分的并行化，解决了水平集实时性差的问题。通过对复杂肝脏图像的分割实验，验证了本文算法的有效性。

摘要： 水平集方法解决了传统活动轮廓方法难以适复杂的图像边缘拓扑变化问题。GPU技术为图像并行化处理提供了高效的图像处理机制，通过将图像处理过程中可并行化处理的部分移植到GPU平台上进行处理，能够大幅度地减少图像处理的时间。本文对影响水平集演化的一个重要索-距离变换函数进行了研究，选择了高效、准确的距离变换算法，并利用CUDA构架实现了水平集函数更新计算部分的并行化，解决了水平集实时性差的问题。通过对复杂肝脏图像的分割实验，验证了本文算法的有效性。

摘要： 水平集方法解决了传统活动轮廓方法难以适复杂的图像边缘拓扑变化问题。GPU技术为图像并行化处理提供了高效的图像处理机制，通过将图像处理过程中可并行化处理的部分移植到GPU平台上进行处理，能够大幅度地减少图像处理的时间。本文对影响水平集演化的一个重要索-距离变换函数进行了研究，选择了高效、准确的距离变换算法，并利用CUDA构架实现了水平集函数更新计算部分的并行化，解决了水平集实时性差的问题。通过对复杂肝脏图像的分割实验，验证了本文算法的有效性。

摘要： 本发明提供一种GPU的调试装置、GPU及调试系统，调试装置包括：与核组连接的调试模块，以及分别与调试模块和命令处理器连接的调试控制器；调试控制器用于接收调试主机发送的初始调试指令，对初始调试指令进行解析，得到解析指令；若解析指令包括第一目标调试指令以及第二目标调试指令，则将第一目标调试指令发送至调试模块，以及将第二目标调试指令发送至命令处理器；第一目标调试指令用于指示调试模块控制核组进行调试，以使核组发送对应的调试结果数据；第二目标调试指令用于指示命令处理器控制配套模块发送对应的调试配置数据，以使调试主机得到调试结果数据和调试配置数据，根据调试结果数据和调试配置数据，确定GPU的性能结果。

摘要： 本发明实施例提供的GPU资源调度方法、装置及GPU，所述方法包括：基于历史实时业务量预估每个时间分区的所需的实时业务POD进程数量的最小阈值和最大阈值；根据最小阈值和最大阈值确定每个时间分区处于运行状态的实时业务POD进程的数量，并定时计算所有处于运行状态的实时业务POD进程所绑定的GPU的平均资源利用率；基于平均资源利用率的大小确定是否需要修改处于运行状态的实时业务POD进程的数量，或是否需要修改最小阈值，或是否需要修改最大阈值。通过根据实时GPU的平均资源利用率的大小修正最小阈值和最大阈值，以及处于运行状态的实时业务POD进程的数量，提高了资源调度机制的准确率和有效性，大幅度提高了GPU资源利用率。

摘要： 本发明提出了一种兼容单片GPU以及两片GPU供电装置，通过一个GPU 2*4电源连接器，实现既可支持单片双宽GPU的供电，也可支持两片单宽GPU兼容供电，本发明还提出了一种兼容单片GPU以及两片GPU供电方法，解决因大电流带来的板卡layout空间不足，不利于高速信号走线，避免因增加PCB叠层带来的成本增加等问题，还引入第一逻辑控制模块以及第二逻辑控制模块，实现了单片双宽GPU时，第一E‑Fuse芯片与第二E‑Fuse芯片的同步开启或关闭；两片单宽GPU时，第一E‑Fuse芯片与第二E‑Fuse芯片的独立开启或关闭。

摘要： 本申请公开了一种自动配置GPU扩展箱的方法、系统及可自动配置的GPU扩展箱，该方法包括：建立GPU扩展箱的连接拓扑与GPU扩展箱内PCIE switch芯片配置之间的映射关系；主机的BMC或GPU扩展箱的BMC利用I2C信号检测当前GPU扩展箱的连接拓扑；根据当前GPU扩展箱的连接拓扑以及所述映射关系，对当前GPU扩展箱内PCIE switch芯片进行配置。该系统包括映射关系建立模块、检测模块和配置模块。该可自动配置的GPU扩展箱中设置有GPU扩展箱的BMC，且主机与GPU扩展箱之间通过连接线通信连接，且主机和GPU扩展箱之间，以及多级GPU扩展箱之间的连接线上设置有I2C总线。本申请能够避免用户手动对GPU扩展箱进行配置，大大提高配置的准确性和配置效率，有利于提高计算机的性能。

摘要： 一种图形处理器GPU着色器程序迭代调用方法、GPU(400)、编译器(500)和GPU驱动器(600)。该GPU(400)包括：获取模块(410)，用于从GPU驱动器(600)获取程序表格，所述程序表格存储了N个着色器程序对应的N个程序计数器PC，其中，所述N个着色器程序中每个着色器程序对应的PC用于指向每个所述着色器程序，N为正整数；调用模块(420)，用于根据所述程序表格，在所述N个PC中确定第一着色器程序对应的第一PC，并根据所述第一PC，调用所述第一着色器程序，从而可以在不大幅改动GPU硬件框架的基础上实现着色器程序的迭代调用。

摘要： 本发明公开GPU、包括该GPU和多核CPU的平台和管理该GPU的资源的方法。该图形处理器单元(18)旨在连接到具有N个不同核(C1、...CN)的多核中央处理器单元(16)，N是大于或等于2的整数，并且包括存储器储存单元(26)。存储器储存单元(26)包括存储描述符(44)的N个集合(42)的保留空间(40)，描述符(44)的各个集合(42)与多核中央处理器单元(16)的相应核(C1、C2)相关联，各个描述符(44)标识图形处理器单元(18)的一批资源，以用于由旨在经由所述相应核(C1、C2)执行的软件应用显示数据。图形处理器单元(18)还包括定序器(28)，配置为连续地处理存储于保留存储空间(40)中的描述符(44)。

摘要： 本发明实施例公开了一种GPU数据处理方法、GPU、PC架构处理器及GPU数据处理系统，解决了由于选择增强CPU的性能来提高处理器的解码能力，造成的成本高、GPU和显存资源的浪费的技术问题，以及通过PCI总线从内存传输到显存消耗一定的CPU资源，更加重了CPU的负荷，导致的解码能力降低的技术问题。本发明实施例GPU数据处理方法包括：获取到存储在预置内存中的编码数据，并进行硬解码为解码数据；将硬解码后的所述解码数据存储到预置分配显存中；对提取的所述预置分配显存中的所述解码数据进行渲染和显示。

摘要： 本公开的实施例提供一种由GPU执行的视频帧处理方法以及一种包括GPU的视频帧处理装置。该GPU包括渲染器、共享模块和视频编码器。在该方法中，由渲染器获得渲染后的纹理。然后，使得共享模块与渲染器共享渲染后的纹理的存储空间。建立渲染后的纹理的索引号与共享模块的指向该存储空间的指针之间的映射关系。接着，根据该映射关系从渲染后的纹理获得渲染数据。之后，将渲染数据复制到视频编码器的输入缓冲区中。

摘要： 本发明提供一种GPU共享控制方法、GPU共享控制装置及存储介质。GPU共享控制方法包括：响应于各深度学习任务的启动，将各深度学习任务分为主任务或次任务，主任务的数量不大于一个。确定各深度学习任务的运行阶段信息，运行阶段信息分为占用GPU运行阶段和不占用GPU运行阶段。判断主任务是否处于占用GPU运行阶段。当主任务处于占用GPU运行阶段，控制GPU运行主任务。当主任务不处于占用GPU运行阶段，控制GPU运行次任务。通过本发明提供的方法，能够根据各深度学习任务的运行阶段信息，优先保障当主任务处于占用GPU运行阶段时，能够控制GPU优先主任务，进而保障主任务的Qos。同时，当主任务不处于占用GPU运行阶段时，也可以充分利用GPU算力，提高GPU的利用率。

摘要： 本发明提供一种GPU的调试装置、GPU及调试系统，调试装置包括：与核组连接的调试模块，以及分别与调试模块和命令处理器连接的调试控制器；调试控制器用于接收调试主机发送的初始调试指令，对初始调试指令进行解析，得到解析指令；若解析指令包括第一目标调试指令以及第二目标调试指令，则将第一目标调试指令发送至调试模块，以及将第二目标调试指令发送至命令处理器；第一目标调试指令用于指示调试模块控制核组进行调试，以使核组发送对应的调试结果数据；第二目标调试指令用于指示命令处理器控制配套模块发送对应的调试配置数据，以使调试主机得到调试结果数据和调试配置数据，根据调试结果数据和调试配置数据，确定GPU的性能结果。