GPU在線編譯離線編譯
國內在GPU通用計算方面的研究也在一些科研機構和院校逐步開展起來。2004年，清華大學利用GPU的並行計算能力和數據流處理能力，在GPU上實現了一種新的輻射度計算方法，並實現了Jacobi迭代法快速求解線性方程組。另外，中科院計算技術研究所、華中科技大學、西南交通大學等也相繼針對特定應用在GPU上進行了實驗驗證。 在GPU通用計算的軟體開發環境方面，OpenGL作為事實上的工業標准已為學術界和工業界所普遍接受，其中包括了GPU廠商以及OpenGL架構委員會（ARB）所擴充的函數，以此來實現GPU廠商提供的新功能[14]。DirectX則根據GPU新產品功能的擴充與進展及時的發布新的版本。二者在實現 GPU通用計算方面都需要使用者非常熟悉GPU圖形繪制的原理和硬體結構等許多具體問題。
Ⅱ 如何在Mac電腦上面編譯GPU版本TensorFlow
在Mac電腦上面編譯GPU版本TensorFlow的方法
基本使用
使用 TensorFlow, 你必須明白 TensorFlow:
使用圖 (graph) 來表示計算任務.
在被稱之為 會話 (Session) 的上下文 (context) 中執行圖.
使用 tensor 表示數據.
通過 變數 (Variable) 維護狀態.
使用 feed 和 fetch 可以為任意的操作(arbitrary operation) 賦值或者從其中獲取數據.
Ⅲ 如何在Mac電腦上面編譯GPU版本TensorFlow
普通電腦PC怎樣跑TensorFlow的GPU模式
在Mac電腦上面編譯GPU版本TensorFlow的方法
基本使用
使用 TensorFlow, 你必須明白 TensorFlow:
使用圖 (graph) 來表示計算任務.
在被稱之為 會話 (Session) 的上下文 (context) 中執行圖.
使用 tensor 表示數據.
Ⅳ cuda 怎麼在分配gpu程序編譯
點擊開始，在搜索欄中輸入mstsc.exe打開遠程桌面連接，運行 。右鍵單擊桌面的電腦，點擊屬性，選擇遠程設置，選擇允許運行任意版本遠程桌面的計算機連接開通遠程功能。然後打開控制面板-用戶賬戶和家庭安全功能，並設置登錄遠程桌面的賬戶密碼。
Ⅳ nvidia/cuda 公開源中的devel和runtime有什麼區別
從很多方面來看，CUDA和OpenCL的關系都和DirectX與OpenGL的關系很相像。如同DirectX和OpenGL一樣，CUDA和OpenCL中，前者是配備完整工具包、針對單一供應商(NVIDIA)的成熟的開發平台，後者是一個開放的標准。
雖然兩者抱著相同的目標：通用並行計算。但是CUDA僅僅能夠在NVIDIA的GPU硬體上運行，而OpenCL的目標是面向任何一種Massively Parallel Processor，期望能夠對不同種類的硬體給出一個相同的編程模型。由於這一根本區別，二者在很多方面都存在不同：
1）開發者友好程度。CUDA在這方面顯然受更多開發者青睞。原因在於其統一的開發套件(CUDA Toolkit, NVIDIA GPU Computing SDK以及NSight等等)、非常豐富的庫(cuFFT, cuBLAS, cuSPARSE, cuRAND, NPP, Thrust)以及NVCC(NVIDIA的CUDA編譯器)所具備的PTX(一種SSA中間表示，為不同的NVIDIA GPU設備提供一套統一的靜態ISA)代碼生成、離線編譯等更成熟的編譯器特性。相比之下，使用OpenCL進行開發，只有AMD對OpenCL的驅動相對成熟。
2）跨平台性和通用性。這一點上OpenCL佔有很大優勢（這也是很多National Laboratory使用OpenCL進行科學計算的最主要原因）。OpenCL支持包括ATI,NVIDIA,Intel,ARM在內的多類處理器，並能支持運行在CPU的並行代碼，同時還獨有Task-Parallel Execution Mode，能夠更好的支持Heterogeneous Computing。這一點是僅僅支持數據級並行並僅能在NVIDIA眾核處理器上運行的CUDA無法做到的。
3）市場佔有率。作為一個開放標准，缺少背後公司的推動，OpenCL顯然沒有占據通用並行計算的主流市場。NVIDIA則憑借CUDA在科學計算、生物、金融等領域的推廣牢牢把握著主流市場。再次想到OpenGL和DirectX的對比，不難發現公司推廣的高效和非盈利機構/標准委員會的低效(抑或謹慎，想想C++0x)。
很多開發者都認為，由於目前獨立顯卡市場的萎縮、新一代處理器架構(AMD的Graphics Core Next (GCN)、Intel的Sandy Bridge以及Ivy Bridge)以及新的SIMD編程模型(Intel的ISPC等)的出現，未來的通用並行計算市場會有很多不確定因素，CUDA和OpenCL都不是終點，我期待未來會有更好的並行編程模型的出現(當然也包括CUDA和OpenCL，如果它們能夠持續發展下去)。
Ⅵ OpenGL有沒有類似DX的Shader離線編譯
目前沒有。因為OGL核心沒有asm/binary級別的shader。
Ⅶ 如何在Mac電腦上面編譯GPU版本TensorFlow
確定你的Mac是Nvidia顯卡，且compute capabilities >= 3.0，點這里查看 你的顯卡型號是否支持
確保你的顯存至少1GB以上（Mac即使是N卡，內存都少得可憐，我的GT640M只有512M，所以後面跑CNN基本都會OOM）
編譯TensorFlow需要安裝Xcode（如果安裝CUDA 7.5.27，可以用Xcode7.3，否者只能用7.2版本）
假定大家的Mac已經安裝了Homebrew（沒安裝的人點這里安裝）
在後續安裝過程中有些包下載會非常慢，甚至被牆，所以你最好有VPN，如果不想花錢可以用免費的Lantern