假期看的DirectX方面的知识现在都忘记了，于是这几日又重新再看.
刚刚把上个学期做的OpenGL项目Light For Ruby的原始码全部发到了Google Code上面，本意是想做个赛车的游戏的，但是最后答辩很快，所以没有做完，算成了一个烂尾工程了.
本来是做OpenGL的初学练手项目的，里面代码比较简单，完成度也比较少，总共大概就5000行代码左右.
也没指望谁能和我一起做下去，自己也没有继续做下去的打算，就这样放着给OpenGL的新手做个参考，或许还会对大家有帮助内.
粗浅的文章，还请大家多多指正.
声明：本文受Creative Commons 署名-非商业性使用-禁止演绎 2.5 中国大陆 License协议保护.
在做CUDA开发的时候，感觉难点之一就是如何将GPU的性能发挥到最大。
比如说，在同学的GeForce 8400M GS上面跑的程式，Block数量可能要设置的比较少，也就是说一个thread粒度会比较大，这样才能发挥8400最大的性能，因为8400的SM数量 实在太少，但是相同的程式设置用到GeForce GTX285上面却不好用了，为什么呢？因为GT300有30个SM，Block数目设置的较多一点才会更适合，thread的粒度相对较小。
尽管基本不会影响到程式的正确性，但是程式的优化却是和GPU不同不一样的，因此，Fermi做出了将32SP才集合成一个SM，而不是像以前的8个SP 组成一个SM，可能也是为了缓解该问题。
不过我对其他并行模型并没有多少了解，还请诸位高手指正。
在CUDA并行计算模型上面，一个程式每个thread的粒度都比较小，而且thread的总数一般都是10万个以上，同时众多thread组合成多个 block分批执行，因此在一个block内thread的计算量和任务基本都是高度一致的（否则会引起很显著的性能问题），因此也不适合做分支预测很多 的任务。
作者：杨漱玉青.
声明：本文受Creative Commons 署名-非商业性使用-禁止演绎 2.5 中国大陆 License协议 保护.
前言：终于想有点写点指南的东西了，我也只是菜鸟，因此只能写点入门指南的东西。So，如果有什么错误和照顾不周的地方还请大家多多提出来.
Thanks!
什么是OpenMP？
您可以访问这里获 得OpenMP的介绍.
在我们的OpenMP开始之前，我们先来看一下x86多内核编程所带来新的问题。
一.并行编程带来的问题
1. 共享数据操作问题
假如有一个数据是需要被多个线程都要访问到，那么就会带来共享数据操控的问题，比如说变量i这个数据，thread 0想给i加1，而thread1却想给i减1，那么i被操作之后到底变成什么呢？
再来看，变量i初始值等于0，thread0判断如果i==0则继续下面的操作，而thread1则是去给i加1的，那么thread0和thread1 谁先去执行则变得后果也不同。
解决此问题一般采用两个方法：锁（LOCK）机制和原子 机制.
2. 任务的分解和调度问题
这是我们以后并行编程所要考虑的最大的地方
对于分解好的多个任务，如何将其均与的分配到各内核上面是非常重要的问题，这会直接影响加速比。
Read more
Posting tweet...
Powered by Twitter Tools
