implementation of the multiplication of two double matrices by using MATLAB C-Mex and CUBLAS library

能让大家更好的理解Hadoop Map Reduce的内容，并讲解如何安装hadoop，如何在Linux环境下配置Hadoop和ssh等，以及Hadoop等在大数据处理方面的应用。

本文介绍了一个通过GPU CUDA实现两个双矩阵相乘的MATLAB运算包。

资源描述VS_cuda并行计算 两基于vs实现的.cu代码 简单的实现矩阵相乘和反转。

涡粒子流体模拟 这篇文章，第三个在一系列，介绍了在 c + + 中使用谦虚，通常可用计算机硬件实时运行中实现流体模拟。第一篇文章总结了流体动力学 ；第二个调查流体模拟技术。 仿真这里介绍用途涡粒子，称为vortons由诺维科夫 (1983)，来代表的流场和每一次的速度解决了。这种战术的使用 vortons 保留涡度无明显来源的扩散，可以模拟保留细鳞的详细信息。相比之下，其他流体模拟技术，使用原始变量 （速度和压力） 或网格数值弥漫性涡度，所以流动往往看起来厚和糖浆。当你看到这种模拟的结果时，你会惊讶于它保留了，多少议案详细考虑它跑得多快。 这种模拟也利用令人尴尬的并行算法的性质，并使用英特尔 ® 线程构建模块（英特尔 ® TBB） 跨越多个线程的工作。 在努力实现实时的流体运动，一些其他流体模拟利用图形处理单元 (GPGPU) 通用计算。

应用背景在GPU上实现N-BODY算法。N-Body模拟问题覆盖了自然科学的很多领域，从宇观的天体物理到宏观的流体动力学，直至微观的分子动力学。例如通过研究围绕着银河系的暗物质晕轮的形状和动力学特征来探索银河系形成过程，需要模拟数百万的星体和暗物质间的作用。现代生物物理学和化学中的许多研究，如细菌或植物体的光合作用膜处发生的光能向化学能的转化，染色体中DNA和蛋白质分子的描述，都需要模拟上千万的原子核分子的作用。关键技术N-Body问题的两个重要特征是： 第一点．计算规模大，因为无论是宇观的天体尺寸还是微观的分 子尺度．都包含了大量的粒子，粒子的规模大到数百万、千万。由于在 系统中任意的两个粒子问都存在着相互作用，因此商接计算粒子间的 相互作用的量级就是O(N^2)； 第二点．系统是动态变化的。为了反应系统的具体变化．尤其是在微观分子结构中．要求时间步足够小。这两个特征决定了计算机模拟 时巨大的计算量。这对于任何扁性能的单台计算机来说都是一个很难突破的瓶颈．因此采用并行汁算是解决N-Body问题的必然选择。主要涉及数据划分和线程任务划分实现。

此程序包的矩阵求逆函数基于 CUDA 的实现包含对称的积极明确逆矩阵使用 GPU。用法，请参阅 testspd.cpp 中的示例。此外，一般块矩阵求逆通过高斯(pivotting) 没有消除。请参阅 testge.cpp 例如使用。注： GE 可能无法在单精度足够稳定。请参阅生成文件更改为双精度。

它是一个基于8051的频率计数器，可以用作学习工具。很有用的开始。

Hadoop环境下一个简单的排序算法实现，测试数据集可以选用任何数字形式的text文本文件，包含源代码及利用ant进行jar包压缩的build.xml文件，希望对大家学习Hadoop有用处。

This simple and somewhat silly application demonstrates using concurrent collections with WPF.  The collections are wrapped with observable facades, such that multiple threads may modify the collections concurrently, and those updates are safely propagated to UI controls.

H.264编解码的CUDA实现，并行加速算法，内部实现了H.264视频编解码的CUDA实现，能够编译通过，已经过测试，并且还添加了注释信息。