编译程序可以gpu加速吗
❶ 如何给java程序使用gpu加速
在显卡的属性里面有硬件加速,或者是到控制面板里面的视频属性,里面也可以找到启用硬件加速之类的选项.
❷ 格式工厂能使用gpu加速和cpu有关系吗，
是cpu，以前的软件在编码的时候都只用到双核中的一个核心(线程)，格式工厂能利用好双核的优势，更多核心的优化不知道有没做。
使用gpu编码还不是很稳定，就我试过的速度虽快，但是生成出来的画面都多了线形的东西。
❸ 哪类程序可以进行并行加速基于CUDA的最好~
对不同数据执行相同代码且数据之间的关联性很小的问题可以进行并行加速。像有限差分之类的算法就是典型可以并行化的程序。并行化的程序在GPU上效率会很高，但是要求高精度的话最好是要硬件支持（费米结构），否则加速效果不是很好（参考一下《GPU高性能运算之CUDA》以及NVIDIA的《CUDA编程指南》，懂C语言的话入门很快）
❹ 程序代码可以实现对GPU加速吗
GPU的计算，应该说，绝大多数不是用VC++做的，而是用C做的。现在，Nvidia最新版的CUDA支持VC++了，但是只在Fermi核心的GPU——Geforce GTX 400系列家用显卡、Fermi核心的Tesla上有支持VC++的CUDA。
GPU和CPU不同，CPU内部可以实现并行处理，而GPU内部只能实现并行计算，负责输出一系列数据。但是，GPU内部的统一渲染管线结构，决定了GPU计算的并发线程远远大于CPU。一颗I7 980X的并行计算线程和处理线程都是12条，而GT 200系列核心虽然没有并行处理能力，但是并行计算能力在30000线程以上。这个就是GPU通用计算的力量。
GPU通用计算领域，Nvidia居于独孤求败的地位。而ATI由于自身的GPU设计，以及市场定位的原因，通用计算做得不如Nvidia。现在的Nvidia大力发展GPGPU，但GPU通用计算的应用还处于起步阶段，国内接触CUDA编程的人也不多。你可以上Nvidia的官网看看，有不少的介绍。
❺ 为什么编译出的 gromacs 多 GPU 加速效果不好
一个可能的原因是 boost 的版本较低。
改进办法是执行如下命令：
# sudo apt-get install libboost-all-dev
然后按照文章步骤安装就可以了，为了便于阅览，我们把步骤也贴在这里：
机器操作系统为 Ubuntu14.04，安装了 CUDA7.5。
在家目录下建立 gromacs 目录做为工作目录下，拷贝了 4 个安装包：
openmpi-1.6.5.tar.gz
fftw-3.3.3.tar.gz
cmake-2.8.9.tar
gromacs-5.0.4.tar.gz
1.安装 openmpi
$cd ~/gromacs
$tar –xvf openmpi-1.6.5.tar.gz
$cd openmpi-1.6.5
$./configure --prefix=/opt/openmpi
$sudo make
$sudo make install
2.安装 fftw
$cd ~/gromacs
$tar –xvf fftw-3.3.3.tar.gz
$cd fftw-3.3.3
$./configure --prefix=/opt/fftw –enable-float –enable-shared
$sudo make
$sudo make install
3.安装 cmake
$cd ~/gromacs
$tar xvf cmake-2.8.9.tar
$cd cmake-2.8.9
$./bootstrap
$sudo make
$sudo make install
4.编译 gromacs GPU 版本
$cd ~/gromacs
$mkdir build-gpu
$cd build-gpu
$sudo cmake .. -DFFTWF_LIBRARY=/opt/fftw/lib/libfftw3f.so -DFFTWF_INCLUDE_DIR=/opt/fftw/include -DGMX_MPI=ON –DGMX_GPU=ON -DCMAKE_INSTALL_PREFIX=/opt/gromacs-5.0.4-gpu
$sudo make
$sudo make install
步骤 4 编译 gromacs 时，cmake 步骤如果有如下提示信息的话，说明 boost 版本低：
❻ pr2019怎么开启gpu加速
是开启GPU加速吧。
1.Pr CC 2018版本以上，显卡驱动更新至最新版，（新版已经没有cuda_supported_cards.txt这个文件，不用再找了）然后再在安装目录找到GPUSniffer.exe，点击注册一下。
2.打开Pr CC 2019 ，新建项目→常规→视频渲染和回放里，可以选择渲染程序来开启 GPU加速。Intel和A卡是OpenGL加速，N卡是CUDA加速。
❼ 视频后期处理制作会用得到GPU吗显卡对编辑视频有没有性能作用还是只用CPU
这个肯定是用到GPU的，新的视频编辑软件已经不光会用到CPU，也会使用GPU的性能来实现特效了。
❽ 用GPU加速linux Kernel
由NVIDIA部分资助，Utah大学的研究人员正在进行一项如何利用GPU来加速linux
Kernel的研究。此研究的目的是不仅仅让所有用户正常使用的应用程序(也就是用户空间)利用现代图形处理器(GPU)的强大功能，也让linux
内核的部分(也就是内核空间)能直接运行在GPU上。
在其项目主页上写到：KGPU(即kernel和GPU的合体)的想法是把GPU当成操作系统的协同处理器，允许在linux内核中进行数据的并
行计算。这样允许我们使用SIMD(或者CUDA中的SIMT)风格的代码来加速linux内核功能，让之前认为太过于密集的计算功能进入内核。简单来
说，KGPU为内核增加了矢量运算功能，另外，它是linux内核真正地开始并行化，不仅仅是处理多个并发请求，而且将大的数据计算请求分割到开来，
将这些计算平铺到GPU上大量的核心中。
听起来是一个很新奇的概念，这目前仅是个研究项目，这个KGPU项目离可见的发规模应用还有一些限制因素。最大的问题是，目前linux
内核DRM(Direct
Rendering
Manager)子系统中的开源图形驱动都无法支持GPGPU。虽然目前有OpenCL
Gallium3D
state
tracker
+Clover的计划，但是还远远没有准备好。
因为目前研究使用的是Compute
Unified
Device
Architecture，而且使用NVIDIA最新的闭源专有驱动，故只支持Nvidia的硬件架构。所以更好的选择是拥抱工业标准OpenCL，这样
都对AMD和NVIDIA的GPUs都有很好的支持
在目前KGPU的研究进程中，研究人员已经用GPU-加速的AES密码来加密eCryptfs文件系统，展示了GPU可以用来处理加密技术。
这是KGPU的的Google
Code
page主页。当然还有GitHub。
总结：利用GPU加速linux内核肯定是件很有意义的事情，但是开源的内核图形驱动一定要改善和提高，能够处理OpenCL
和/或GPGPU.
❾ opencv_python4.1如何GPU加速，需不需要重新编译之类的
需要重新编译opencv 的，最后getCudaEnabledDeviceCount();这个函数返回值大于零才行 // first.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include #include "opencv2/opencv.hpp" #include "opencv2/gpu/gpu.hpp" #pragma co..