Python高速化 Numba入門 その4 - tkm2261's blog
今回はNumbaのGPUコンピューティングについて読んでいきます。 最終回の予定でしたが、エントリが超長くなりそうなので今回はGPUの使用方法、次回に計算速度の検証をして終わりたいと思います。 Writing CUDA-Python — numba 0.15.1 documentation exprimental扱いなので、商用で使われる方はNumbaProの方をオススメします。 NumbaのGPUコンピューティングはこれまでのデコレータだけれ使えるNumbaの状況とは異なり、かなりCUDAに関する知識を要求されます。 もし、少ない労力でPythonコードを高速化したい方は、『その３』までの内容で十分と思われます。 CUDAについて とりあえず、Wikipediaから引用 CUDA（Compute Unified Device Architecture：クーダ）とは、NVIDIAが提供する
Separate Compilation and Linking of CUDA C++ Device Code | NVIDIA Technical Blog
Managing complexity in large programs requires breaking them down into components that are responsible for small, well-defined portions of the overall program. Separate compilation is an integral part of the C and C++ programming languages which allows portions of a program to be compiled into separate objects and then linked together to form an executable or library. Developing large and complex
CUDA Pro Tip: nvprof is Your Handy Universal GPU Profiler | NVIDIA Technical Blog
CUDA 5 added a powerful new tool to the CUDA Toolkit: nvprof. nvprof is a command-line profiler available for Linux, Windows, and OS X. At first glance, nvprof seems to be just a GUI-less version of the graphical profiling features available in the NVIDIA Visual Profiler and NSight Eclipse edition. But nvprof is much more than that; to me, nvprof is the light-weight profiler that reaches where oth
Adaptive Parallel Computation with CUDA Dynamic Parallelism | NVIDIA Technical Blog
Early CUDA programs had to conform to a flat, bulk parallel programming model. Programs had to perform a sequence of kernel launches, and for best performance each kernel had to expose enough parallelism to efficiently use the GPU. For applications consisting of “parallel for” loops the bulk parallel model is not too limiting, but some parallel patterns—such as nested parallelism—cannot be express
｢スカラー･チューニング講習会｣と｢並列プログラミング(MPI)講習会｣で配布したテキスト｜HPC High Performance Computing｜ACCC. RIKEN
（2009年7月21日更新） 注意 原稿をイメージデータとして読み込んでPDFファイル化したため ､ サイズが大きくなっています。 全ページを含むファイルと ､ 章(またはいくつかの節)ごとに分割したファイルの2種類があります（内容は同じです）。 テキストの内容は今後不定期に加筆修正します ｡ ファイル名の末尾についている ｢20xx-xx-xx ｣ は、そのファイル内のページが最後に更新された日付を示します ｡ 簡易製本する際は ､i, iii, vページ(vは(2)のみ) ､ および本文の奇数ページ(例えば1-1,1-3, ･ ･ ･,2-1,2-3, ･ ･ ･)が ､ 見開きした右側のページになるようにして下さい ｡ 下記資料に関するお問い合わせは までご連絡下さい ｡ (1) 「チューニング技法入門」(旧「チューニング技法虎の巻」) 「スカラー・チューニング講習会」 で配
CUDAのカーネル関数でprintfを使う - それなりにマジメなメモ
カーネル関数でもprintf()が使えるようになったのに全然使ってこなかったので、 折角なのでためそうとCUDAプログラミングガイドのソースをそのまま持ってきてコンパイルしたら・・・ error: calling a host function from a __device__/__global__ function is not allowed って言われたorz バージョンもnvcc3.2でprintf()が使えるって書いてある。 GPUもFermiを使ってるのになんで？ってなった時のメモです。 環境 SUSE Linux Enterprise Server 11 SP1 Tesla M2050 nvcc 3.2 解決策 ためしに参考資料のCUDAプログラミングガイドの中のB.14 Formatted Outputの部分にあるサンプルをそのままコンパイルしているのにダメだったのでなん
memoryをインクルードしたコードをnvccでコンパイルしたらエラーが出たorz - それなりにマジメなメモ
CUDAのコードの中（カーネル関数じゃないよ）でshared_ptrを使うためにmemoryをインクルードしたらエラーが出てコンパイルできなかった・・・。 環境 SUSE Linux Enterprise Server 11 SP1 nvcc 3.2 gcc 4.3.4 エラーメッセージと、とりあえずの解決法 コンパイル時に出てきたエラーはこんなの /usr/include/c++/4.3/tr1/type_traits(240): error: invalid alignment value specified by attribute どうしたものかと思ったが、参考資料をもとに下のようにしました。 #define __aligned__ ignored #include #undef __aligned__ これでとりあえずはエラーは出ないしちゃんと動いてるっぽいけどこれでホントにいい
CUDAのカーネル関数がタイムアウトしてしまう場合の対処 - それなりにマジメなメモ
先日購入したGeForce GTX 480を試そうとしたところ以下のようなエラーが出てきました。 Cuda error: Kernel execution failed in file 'testbed.cu' in line 367 : the launch timed out and was terminated. 原因としてはPrimary Deviceに指定されているGPUで長時間カーネル関数を実行しすぎているため。 実際に最大実行時間がどれだけかはOSによってバラバラなようでカーネル関数の実行時間が長時間の場合は注意が必要。 対処法としはそもそも長時間実行せずに細かく何度も実行するなど考えられますが、何度も実行するとさまざまなオーバーヘッドがかかるためなるべく1度に長時間実行したい場合があります。 今回の私のケースがそれで、解決したときのメモ。 XWindowを止めてしまうという
GPUチャレンジ2010のメモ - それなりにマジメなメモ
ちょっと前ですが5月27日にSACSIS2010に行ってGPUチャレンジ2010の自由課題に応募して優勝したときの内容を発表してきました。 GPUチャレンジについては↓ GPU Challenge 2010 あとマイコミでも取り上げられていたのでそちらもどうぞ。 NVIDIA、学生参加コンテスト「GPUチャレンジ2010」の表彰式 | パソコン | マイコミジャーナル 学生参加コンテストって書いてあるけど自由課題は助教授の人とかもokなので学生だけじゃないんですけどねｗ 応募した論文？は以下から見ることができますのでよろしければご覧ください。 GPUによるDNA断片配列の高速マッピング(pdf) 今回は規定課題のプログラムや自由課題のレポートはすべて公式ページにて公開されていますので興味のある方はそちらもどうぞ。 ホントはひっそりと参加してた規定課題の高速化についてあれこれ書こうと思ったけ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Google Code Archive - Long-term storage for Google Code Project Hosting.
CUDA Pro Tip: Improve NVIDIA Visual Profiler Loading of Large Profiles | NVIDIA Technical Blog
MapReduce Word Count with GPUs using Pycuda
#1 AI カンファレンス - GPU テクノロジ カンファレンス - NVIDIA
Robotics and Embedded Systems
Quickstart: CUDA using Bayreuth University CUDA Toolchain for Eclipse
NVIDIA Blog
Home - Fixstars Corporation
Page Not Found | NVIDIA
[PDF] CUDAとGPUを用いたSQLiteの高速化
High-throughput sequence alignment using Graphics Processing Units