Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "GPU" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Wykorzystanie CPU i GPU do obliczeń w Matlabie
    The use of CPU and GPU for calculations in Matlab
    Autorzy:
    Woźniak, Jarosław
    Powiązania:
    https://bibliotekanauki.pl/articles/98264.pdf
    Data publikacji:
    2019
    Wydawca:
    Politechnika Lubelska. Instytut Informatyki
    Tematy:
    CPU
    GPU
    Matlab
    Opis:
    W artykule zostały przedstawione wybrane rozwiązania wykorzystujące procesory CPU oraz procesory graficzne GPU do obliczeń w środowisku Matlab. Porównywano różne metody wykonywania obliczeń na CPU, jak i na GPU. Zostały wskazane różnice, wady, zalety oraz skutki stosowania wybranych sposobów obliczeń.
    The article presents selected solutions using CPU processors and GPUs for calculations in the Matlab environment. Various methods of performing calculations on the CPU as well as on the GPU were compared. Differences, disadvantages, advantages and effects of using selected calculation methods have been indicated.
    Źródło:
    Journal of Computer Sciences Institute; 2019, 10; 32-35
    2544-0764
    Pojawia się w:
    Journal of Computer Sciences Institute
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Stereoscopic video chroma key processing using NVIDIA CUDA
    Autorzy:
    Sagan, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/106272.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
    Tematy:
    NVIDIA CUDA
    chroma key processing
    GPU
    CPU
    stereoscopic images
    Opis:
    In this paper, I use the NVIDIA CUDA technology to perform the chroma key algorithm on stereoscopic images. NVIDIA CUDA allows to process parallel algorithms on GPU. Input data are stereoscopic images with the monochromatic background and the destination background image. Output data is the combination of inputs by using the chroma key. I compare the algorithm efficiency between the GPU and CPU execution.
    Źródło:
    Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica; 2013, 13, 1; 81-87
    1732-1360
    2083-3628
    Pojawia się w:
    Annales Universitatis Mariae Curie-Skłodowska. Sectio AI, Informatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Akceleracja obliczeń komputerowych za pomocą układów graficznych z wykorzystaniem technologii CUDA
    Computing acceleration based on application of the CUDA technology
    Autorzy:
    Stefanowicz, Ł.
    Wiśniewski, R.
    Wiśniewska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/155246.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    procesor
    obliczenia
    równoległość
    CPU
    GPU
    CUDA
    multimedia
    iteracja
    wielowątkowość
    processor
    computing acceleration
    parallelism
    iteration
    multithreading
    Opis:
    W artykule zaprezentowano możliwość zastosowania układów graficznych celem przyspieszenia obliczeń komputerowych. Przedstawiono technologię oraz architekturę CUDA firmy nVidia, a także podstawowe rozszerzenia względem standardów języka C. W referacie omówiono autorskie algorytmy testowe oraz metodykę badań, które przeprowadzono w celu określenia skuteczności akceleracji obliczeń komputerowych z wykorzystaniem procesorów graficznych GPU w porównaniu do rozwiązań tradycyjnych, opartych o CPU.
    The paper deals with application of the graphic processor units (GPUs) to acceleration of computer operations and computations. The traditional computation methods are based on the Central Processor Unit (CPU), which ought to handle all computer operations and tasks. Such a solution is especially not effective in case of distributed systems where some sub-tasks can be performed in parallel. Many parallel threads can accelerate computing, which results in a shorter execution time. In the paper a new CUDA technology and architecture is shown. The presented idea of CUDA technology bases on application of the GPU processors to compu-tation to achieve better performance in comparison with the traditional methods, where CPUs are used. The GPU processors may perform multi-thread calculation. Therefore, especially in case of tasks where concurrency can be applied, CUDA may highly speed-up the computation process. The effectiveness of CUDA technology was verified experimentally. To perform investigations and experiments, the own test modules were used. The library of benchmarks consists of various algorithms, from simple iteration scripts to video processing methods. The results obtained from calculations performed via CPU and via GPU are compared and discussed.
    Źródło:
    Pomiary Automatyka Kontrola; 2011, R. 57, nr 8, 8; 954-956
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Accelerating computation of a reduced order model of a structural system resulting from Craig–Bampton reduction using GPU programming
    Autorzy:
    Górecki, Piotr
    Kalinowski, Miłosz
    Jeziorek, Łukasz
    Broniszewski, Jakub
    Koziara, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/38706110.pdf
    Data publikacji:
    2024
    Wydawca:
    Instytut Podstawowych Problemów Techniki PAN
    Tematy:
    GPU
    CPU
    reduced order model
    structural model
    CuPy array library
    model zredukowanego zamówienia
    model strukturalny
    CuPy
    Opis:
    The Craig–Bampton (CB) method is a well-known substructuring technique that reduces the size of a finite element model (FEM) using a set of vibration modes. For large FEA models, the reduction process could be computationally expensive since it requires algebra operations on FEM mode shapes and FEM system sparse matrices. In this paper, we investigate the potential of usage of GPU parallel processing to speed up solving the system of linear equations that results from the CB reduction process made for a model of cyclic structures. A Python based high-level approach, employing the CuPy, GinkGo and STRUMPACK libraries on the GPU, is compared with an optimized Fortran code. In side-to-side comparisons, employing the same inputs, the Python-GPU code is run on a single GPU device and the Fortran code is run on a multi-core compute node. The CB reduction process was split into several parts, each dealing with different kind of algebraic formulation of the problem. Performance comparisons were focused on the sparse system linear solver, since it turned out to be the most time-consuming part. The results suggest that the current GPU-based linear sparse solvers do not surpass the state-of-the-art CPU-based MKL PARDISO solver (at least up to 1M DOFs).
    Źródło:
    Computer Assisted Methods in Engineering and Science; 2024, 31, 1; 51-66
    2299-3649
    Pojawia się w:
    Computer Assisted Methods in Engineering and Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of GPU in the development of 3D hydrodynamics simulators for oil recovery prediction
    Zastosowanie procesorów graficznych GPU w rozwoju trójwymiarowych symulatorów hydrodynamicznych w planowaniu wtórnego wydobycia ropy naftowej
    Autorzy:
    Beisembetov, I. K.
    Bekibaev, T. T.
    Assilbekov, B. K.
    Zhapbasbayev, U. K.
    Kenzhaliev, B. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/299217.pdf
    Data publikacji:
    2012
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    GPU
    CPU
    NVIDIA
    trójwymiarowe symulatory hydrodynamiczne
    planowanie wtórnego wydobycia ropy
    3D hydrodynamics simulators
    prediction of oil recovery
    Opis:
    In this article computer's graphics card application in prediction of oil recovery using the CUDA architecture is studied. CUDA is architecture of parallel computing made by NVIDIA Company. It allows increasing dramatically the calculating performance due to GPU (graphical processors) usage. Calculations were executed on field models with 3 million grid blocks. Material balance equation approximated with IMPES method. As the result of numerical modeling of oil recovery prediction with GPU, dozens of times acceleration of calculations comparing with CPU has been taken.
    Artykuł przedstawia badania nad programem graficznym wykorzystywanym w planowaniu wtórnego wydobycia ropy naftowej z wykorzystaniem równoległego systemu obliczeniowego CUDA. CUDA jest systemem stworzonym przez firmę NVIDIA. Pozwala on na ogromne zwiększenie mocy obliczeniowej poprzez zastosowanie procesorów graficznych GPU. Porównane zostały wyniki osiągnięte od roku 2003 obliczone z wykorzystaniem zwykłego procesora CPU oraz procesora graficznego GPU. Obliczenia zostały wykonane na modelu złożowym wykonanym na siatce przestrzennej złożonej z 3 milionów komórek. Równanie bilansu masowego w przybliżeniu opisuje metoda przepływu dwufazowego w ośrodku porowatym typu IMPES. W rezultacie modelowania numerycznego wtórnego wydobycia ropy naftowej z wykorzystaniem procesora graficznego GPU, wyniki obliczeń uzyskano wielokrotnie szybciej niż w przypadku stosowania procesora typu CPU.
    Źródło:
    AGH Drilling, Oil, Gas; 2012, 29, 1; 75-88
    2299-4157
    2300-7052
    Pojawia się w:
    AGH Drilling, Oil, Gas
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies