原创 C++排序算法(二路歸併排序)
C++排序算法(二路歸併排序) 歸併排序算法是一個可以在最壞情況下依然保持O(nlogn)運行時間的確定性排序算法。 歸併排序的主體結構屬典型的分治策略，我們可以先進行無序向量的遞歸分解，再進行有序向量的逐層歸併。 代碼實現 #
2020-05-14 22:23:17
1
原创 C++ 廣度優先搜索(鄰接表+隊列實現)
C++ 廣度優先搜索(鄰接表+隊列實現) 廣度優先搜索的結果是圖的生成樹，也就是極小連通圖（n個頂點，n-1條邊） 廣度優先搜索 相當於 樹結構的層次遍歷，因此我們可以套用樹的層次遍歷，利用隊列去解決圖的廣度優先搜索 廣度優先搜索
2020-05-14 22:23:17
原创 C++ 二分查找實現
C++ 二分查找 二分查找法是針對於有序向量中，查找該向量中某一個數。 二分查找法是通過將向量中點的值與要查找的值進行比較，然後每次減半去縮小查找範圍。 代碼實現 #include<iostream> using namespa
2020-05-14 22:23:17
原创 C++ 深度優先搜索(鄰接表+棧實現)
C++ 深度優先搜索(鄰接表+棧實現) 深度優先搜索的結果是圖的生成樹，也就是極小連通圖（n個頂點有n-1條邊） 圖的生成樹的結果是不唯一的，它是根據你的存儲方式的變化而變化的。 深度搜索步驟： 1.確定一個開始頂點，並將該頂點標
2020-05-14 22:23:17
原创 C++ 查找中位數
查找C++無序數列中位數 1.將無序數列轉化爲有序數列，然後直接通過索引找到中位數 2.已知中位數 要求左邊小於（大於）中位數，右邊大於（小於）中位數，且左邊數列大小等於右邊數列大小 。 而對左邊數列或者右邊數列數值的排列順序無要
2020-05-14 22:23:17
原创 關於CUDA性能優化的補充
之前寫過一篇CUDA性能優化的博客https://blog.csdn.net/weixin_44444450/article/details/104535306 上面那篇博客是看完CUDA手冊裏面關於性能優化的內容後總結的，但是有
2020-05-05 19:45:19
原创 CUDA歸約求和Debug版本結果與Release版本不同的解決方法
CUDA歸約求和Debug版本結果與Release版本不同的解決方法 近日，在寫一個CUDA項目時，裏面有一個核函數是要求均值，所以採用歸約求和算法，然後再去除以總數求得平均值，在Debug調試版本下，數據正常，但當在Releas
2020-04-21 13:13:55
原创 梯度及梯度下降法
梯度 梯度是哈密爾頓算子（Nabla算子）直接作用於函數F( r )（不論F是矢量還是標量），當F是標量時，梯度即爲矢量。 這裏呢，解釋一下什麼是哈密爾頓算子 實際上，哈密爾頓算子就是一個微分算子，就是我們熟悉的倒三角符號∇\na
2020-03-29 13:13:50
原创 做CUDA項目的一些心路歷程
做CUDA項目時的一些坑 1）要注意數據類型，在進行cudaMemcpy()的時候，要注意數據類型的統一，即使你float的數組裏存的是數據是沒有小數的整數類型，但當你想要把數據從設備端拷貝回主機端的時候，一定要new一個floa
2020-03-10 00:28:43
原创 CUDA——流管理
CUDA 流(streams) 異步併發執行 當使用異步函數時，即實現了設備和宿主之間的併發執行。 異步函數：在設備完成請求的任務之前，控制就會返回到應用程序（宿主）。 這些函數包括： 1.核函數 2.執行內存複製並以Async爲
2020-02-25 20:48:08
原创 CUDA——性能優化之循環展開
循環展開（#pragma unroll） 1）什麼是循環展開？ 循環展開顧名思義就是將循環體展開，全部展開或者展開一部分都可以有效提高性能。 循環展開無論是在CPU還是GPU上，都可以有效的提高應用程序運行速度。 以下是一個循環體
2020-02-25 20:48:08
原创 CUDA——紋理內存（紋理參考）
紋理內存（一） 1.1紋理類型 CUDA支持GPU上的一部分紋理硬件（它們原本是爲圖形處理而設計的）。從紋理內存而非全局內存讀取數據。 在內核中 ，使用名爲紋理拾取的設備函數讀取紋理內存。紋理拾取的第一個參數是一個名爲紋理參考的對
2020-02-25 20:48:08
原创 CUDA——性能優化之共享內存
一、共享內存的結構 1)什麼是共享內存？ 共享內存是GPU的一種稀缺資源，它位於芯片上，所以共享內存空間要比本地和全局內存空間快得多。對於warp裏的所有線程，只要線程之間沒有任何存儲體衝突(bank conflict)，訪問共享
2020-02-25 20:48:07
1