在前面的文章中，曾介绍过Xcode IDE环境下的CUDA设置。之前提过我的CUDA Plugin for Xcode一直设置不成功，经过一番折腾，总算是把Xcode IDE的CUDA配置给搞定了。下面介绍一下如何设置CUDA Plugin for Xcode IDE。

1. 首先安装NVIDIA最新的显卡驱动,以及 CUDA Toolkit 和 CUDA SDK. 下载地址 here.
2. 安装CUDA之后，你可以测试一下你的机器是否CUDA配置正确。方法如下：进入CUDA安装目录，我将CUDA安装在/Developer目录下。在/Developer/CUDA下有一个Makefile，在该目录[......]

继续阅读

本文来自: Mac OS X Leopard Xcode环境下的NVIDIA CUDA设置

在网上看到一篇比较不错的CUDA工程模板程序的详细分析文章，大家可以用来了解一个CUDA程序的基本结构。转载于http://blog.csdn.net/darkstorm2111203/archive/2008/08/22/2813480.aspx。

/* Template_Host.c 用于演示如何生成cuda工程的样本程序 */
/* 主机端，也就是cpu code*/

// includes, system
#include <stdlib.h>
#include <stdio.h>
#include <string.h>
#include &l[......]

继续阅读

本文来自: CUDA程序初窥

前面简单介绍了CUDA通用并行架构的情况,如何在常用的集成开发环境(IDE)下CUDA的配置好坏往往影响到CUDA程序开发的难易程度.
我这里介绍的常用的IDE包括Windows平台下的Visual Studio (VS)系列和Mac OS X平台下的Xcode. 至于Linux平台的开发,印象中的linux guy都是用make,gcc和gdb来进行项目管理和程序开发调试,我想应该很少linux guy会用IDE吧? 并且CUDA安装程序已经包含了相应的环境设置以及makefile文件的设置,只要依葫芦画瓢,很容易生成自己项目的makefile文件,这里我就不再赘述了.
回到正题,如何对CU[......]

继续阅读

本文来自: 常用集成开发环境(IDE)的CUDA配置

最近在学习NVIDIA的CUDA通用并行计算架构, 该架构是利用NVIDIA的GPU进行计算密集型、高度并行化的计算. 有兴趣的读者可以参见NVIDIA CUDA中文网或英文网.
在学习的过程中,该并行架构的编程原理给我的感觉还算好理解, 主要的流程就是:

1. Host (aka. CPU) 进行初始化程序及Host上的内存数据
2. Host 将其内存区上的数据拷贝到Device (aka. GPU)的内存区
3. 执行Device上的代码 (aka. Kernal函数)进行并行计算
4. Device上的计算结束后,再将Device的内存区的数据拷贝回Host的内存区
5. Host再进行后续代码工作

因此Hos[......]

继续阅读

本文来自: NVIDIA CUDA通用并行计算架构