openmp+cuda 加速视频中彩色图像转换为灰度图像，提取视频图像中的边缘

示波器的源代码，效果不错的，dlo1w1dsc hhjhsdf sfdssd  fsdhsdfhsdj eewrew erewrewr dsfefh  dsdewh

1）  熟练掌握并行程序设计的基本方法; 2）  通过实验，了解并行程序设计的过程以及优越性; 3）  学会并行程序的算法分析; 4）  结合高等工程数学、分布式系统、云计算等相关课程知识解决简单的实际问题。

访问邻居 PC 零售商店提供了充足的证据，我们是在多核时代。厂商之间的关键区别今天是他们打包到单个芯片上的内核的数量。商品处理器的时钟频率已经达到了极限，然而，和很可能保持在以下 4 GHz 多年来。因此，加入内核是不增加计算能力的代名词。要充分利用提供的新的多核硬件的性能增强，相应地调整必须发生在软件基础设施 — — 转变为并行计算。

狐狸的算法，一个简单的实现每个进程的一个元素。在一个充分实现 A、 B、 C、 T将矩阵。

SOR(Successive Over-Relaxation) 又名逐次超松弛法，是解决微分方程的一种通用算法，主要应用在解决拉普拉斯方程、肥皂泡形状等的问题上。本程序使用CUDA来实现sor，并且包含两种方法，一种是单一block运算整个矩阵，每个thread运算矩阵中的一个方块。一种是多个block运算整个矩阵，每个thread运算矩阵中的一个点。该程序有良好的注释，适合初学者学习。

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。

性能分析与优化 这篇文章，在一系列，第五描述的性能分析和优化的流体模拟，提出了一种在第三和第四条款中。第一篇文章总结了流体动力学 ；第二个调查流体仿真技术 ；和第三和第四次提出了一个旋涡粒子流体模拟与双向流体体之间的相互作用，它运行在真正的时间。这篇文章利用另一个功能的英特尔 ® 线程构建模块 （英特尔 ® TBB） 将更多的工作分散到多个线程。这篇文章描述 CPU 使用情况分析过程，并使用该信息来优化和进一步并行化的代码，使其运行得更快。 性能分析和优化本文中描述的过程中的许多镜子中所述的程序软件优化食谱。这一过程从开始创建基准 — — 一大块的代码用来量化正在优化算法的性能。其余的过程需要迭代上的三个步骤： 要找出所谓的"热点"，应用程序在哪里花费其大部分时间的配置文件。 探讨为什么热点会消耗很多时间的详细信息。 修改，试图让它更快的代码。 将这些步骤应用于流体模拟应用程序在前两篇文章中提出了这条记载。 相关的文章 流体模拟视频游戏 （第1部分） 流体模拟视频游戏 （第 2 部分） 流体模拟视频游戏 （第 3 部分） 流体模拟视频游戏 （第 4 部分） 流体模拟视频游戏  (第 5 部分) 流体

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。

avr test fast pdp emulador kokoko dehght fh fg hd fgdf fdgdf bf bdtnjrtb bsdfb fvtbrtn fd dvrv vdr bdt f yngfnhgnrtn trnrtn rtntrn

#include #define  NUMBER   4 void main( ) {    int i=1; float f0,dt,dx,dz; int mx,mz,ntmax,pml,sou_x,sou_z,rec_start,rec_end,rec_int,rec_depth; char shotID[5],record_pp[30],vp_name[30],rou_name[30],mig_name[30],mig_pyt_name[30],mig_udlf_name[40],shuoming[30]; FILE *fp,*f; /*&不合法变量*/     printf("** This program is to show the block file input & output** "); fp=fopen(