cuda语言实现向量相加

目的：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。 开发环境：windows 8.1 x64操作系统  vs2012 cuda5.5  opencv2.4.8 硬件环境：NVIDIA  GeForce GT 740M ,4G内存，Intel(R) Core(TM) i5-4200MCPU @2.50GHz 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

本次实验主要目的是熟悉VISUALDSP++的开发环境。针对ADSP－TS201，利用几个用C、C++和汇编语言写成的简单例子来描述VISUAL DSP++编程环境和调试器（debugger）的主要特征和功能。对于运行在其它类型TS20x处理器的程序只需对其链接描述文件（．

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。

我听说很多积极的反馈，从几个星期我们回来的统合 NERP FPGA 车间。一些人问我要去我们做两个演示的 Verilog 邮编。我添加了评论到 Verilog 文件试图清理我们顺利挺进避免纯粹把这变成 Verilog 类的东西很多。最有用的评论将在 VGA 控制器模块我们 wrote:vga640x480.v。不管怎么说，所有所需的项目文件，合成我们写的逻辑都在这里：我听说很多积极的反馈，从几个星期我们回来的统合 NERP FPGA 车间。一些人问我要去我们做两个演示的 Verilog 邮编。我添加了评论到 Verilog 文件试图清理我们顺利挺进避免纯粹把这变成 Verilog 类的东西很多。最有用的评论将在 VGA 控制器模块我们 wrote:vga640x480.v。不管怎么说，所有所需的项目文件，合成我们写的逻辑都在这里：

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。

应用背景读取一个文本文件包含数字（小于2E8），它存储在一个动态数组的冒泡排序法，并打印出另一个文本文件。在终端中返回每个进程的运行时。如果该参数没有指定，默认为一个叫做“Sal txt文件。”（必须保存在当前目录），如果参数定义的文件进入参数与数组排序。关键技术泡沫排序，有时也称为“下沉排序”，是一个简单的排序算法，通过列表中的重复步骤来进行排序，比较每一对相邻的项目，如果它们是错误的顺序。通过列表的传递，直到不需要进行任何交换，这说明列表是排序的。这是一个比较排序的算法，它被命名为较小的元素“泡沫”到列表的顶部。虽然算法简单，但对于大多数问题来说，它是太慢和不切实际的，即使在插入排序。[ 1 ]它可以是实际的，如果输入通常是按排序顺序，但可能会偶尔有一些顺序元素的位置近。

一种异步实现php调用的方法，欢迎下载，希望对大家能有帮助。谢谢大家的支持！

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。

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。

资源描述一、环境环境：Ubuntu14、Hadoop2.6，Eclipse、NLPIR/ICTCLAS2015等； 二、算法简介： 1、此项目是基于Hadoop2.6进行MapReduce并行开发； 2、此项目是文本分类的文本预处理和文本表示部分，包括分词，去停用词，特征选择和文本表示等（分类算法采用的是随机森林算法，暂时未开放，读者可自行采用Mahout或Weka进行验证）； 3、分词采用的是NLPIR/ICTCLAS2015；文本表示采用的是VSM模型，权重计算采用TFIDF进行文本表示；特征选择采用CHI算法（卡方统计）； 4、关于并行分词环境搭建，可参考我的博客http://www.cnblogs.com/merru/p/4917665.html 5、关于Hadoop环境搭建，可参考我的博客http://www.cnblogs.com/merru/p/4901528.html和http://www.cnblogs.com/merru/p/4905118.html。