РВС 2 лаба. Лабораторная работа 2 Содержание Введение 3 Ход выполнения лабораторной работы 4 Заключение 7

• Название: Лабораторная работа 2 Содержание Введение 3 Ход выполнения лабораторной работы 4 Заключение 7
• Анкор: РВС 2 лаба
• Дата: 04.10.2021
• Размер: 68.25 Kb.
• Имя файла: 2.docx
• Тип: Лабораторная работа; #240956

Лабораторная работа №2

Содержание

1. 
   Введение 3
   
2. 
   Ход выполнения лабораторной работы 4
   
3. 
   Заключение 7
   

Введение

Технология CUDA появилась 2006 году и представляет из себя программно-аппаратный комплекс производства компании Nvidia, позволяющий эффективно писать программы под графические адаптеры. С 2006 года компания Nvidia обещает, что все графические адаптеры их производства независимо от серии будут иметь сходную архитектуру, которая полностью поддерживает программную часть технологии CUDA. Программная часть, в свою очередь, содержит в себе всё необходимое для разработки программы: расширения языка С, компилятор, API для работы с графическими адаптерами и набор библиотек.

Ход выполнения лабораторной работы

После установки CUDA Toolkit для Visual Studio 2019 Community. В данном типе проекта доступны дополнительные настройки для CUDA, позволяющие настроить параметры компиляции под GPU, в зависимости от типа GPU и т.д.
Далее написан код программы на CUDA, который выводит на экран информацию об аппаратных возможностях GPU, таких например как:

• 
  Название устройства
  
• 
  Размер общей, глобальной памяти
  
• 
  Размер варпа
  
• 
  Максимальное количество потоков на блок
  
• 
  Максимальный размер сетки
  
• 
  Тактовая частота
  
• 
  Размер общей постоянной памяти
  
• 
  Вычислительные возможности
  

#include

#include
int main()

{

int deviceCount;

cudaDeviceProp deviceProp;
//Сколько устройств CUDA установлено на PC.

cudaGetDeviceCount(&deviceCount);
printf("Device count: %d\n\n", deviceCount);
for (int i = 0; i < deviceCount; i++)

{

//Получаем информацию об устройстве

cudaGetDeviceProperties(&deviceProp, i);
//Выводим иформацию об устройстве

printf("Device name: %s\n", deviceProp.name);

printf("Total global memory: %d\n", deviceProp.totalGlobalMem);

printf("Shared memory per block: %d\n", deviceProp.sharedMemPerBlock);

printf("Registers per block: %d\n", deviceProp.regsPerBlock);

printf("Warp size: %d\n", deviceProp.warpSize);

printf("Memory pitch: %d\n", deviceProp.memPitch);

printf("Max threads per block: %d\n", deviceProp.maxThreadsPerBlock);

printf("Max threads dimensions: x = %d, y = %d, z = %d\n",

deviceProp.maxThreadsDim[0],

deviceProp.maxThreadsDim[1],

deviceProp.maxThreadsDim[2]);

printf("Max grid size: x = %d, y = %d, z = %d\n",

deviceProp.maxGridSize[0],

deviceProp.maxGridSize[1],

deviceProp.maxGridSize[2]);
printf("Clock rate: %d\n", deviceProp.clockRate);

}
return 0;

}
Результаты выполнения программы показаны на рисунке 1.


Рисунок 1 – Результаты выполнения программы

Заключение

Проделанная работа показала, что архитектура CUDA имеет ряд возможностей, которые могут облегчить работу, благодаря работе на графических ускорителях.

Ответы на вопросы