Intel说larrabee要以软件平台的形式发布了，至于实体…等吧。
Nvidia和ATI又可以小爽一段了。
话说现在竞争白热，局势却相对明朗了：Nvidia狂推自己的CUDA，AMD和IBM等一干人紧紧抱着Opencl，Intel自己没搞出来东西，又不甘落后，就自己再搞一套软件平台来搅浑水，Microsoft肯定是不屑跟他们这些人玩了，肯定要抱着自己的DX Compute闷头折腾了。
我们这些下游就得屁颠跟着他们晕了。
新闻Link
Larrabee杯具了
2009年12月6日 by annkok,639 views一种简单的GPU三维图像分割算法
2009年12月6日 by emaxin,485 views 图像分割的定义是将整幅图像区域分割成各自互不交叉的小区域。图像分割的算法有很多，教科书上讲到一些经典的分割算法，包括阈值法、区域生长法、分裂与合并算法、边界跟踪与连接算法、分水岭算法，这些算法适合提取出灰度比较一致的各个区域；此外还有纹理分割算法，严格说来，与其称之为纹理分割还不如称之为纹理检测与分类，通过提取纹理特征，如：Laws特征、梯度共生矩阵特征、分形特征，得到每一个点或小邻域的特征向量，然后利用特征向量将每个点分到不同的纹理类中去。
有些扯远了，还是回到三维图像分割上来，由于三维图像的数据量是巨大的，暂不考虑复杂的纹理特征，我们仅仅希望有在GPU上实现一种并行的快速算法，能够自动标记出三维数据中所有灰度比较一致的各个连通区域。我们先看看教科书上的方法，阈值法不能提取多个灰度不一致的区域，区域生长不容易做到每个区域种子点自动选取，分裂与合并的逻辑稍显复杂且分割的区域边缘会出现锯齿，边界跟踪与连接在三维上根本没办法实现，分水岭又是串行递归的-_-!!!
假设已经是有了一幅二值图，我们就可以用连通区标记的算法，为二值图中的每一个小的区域标上不同的标号，这就是常用的二值图CCL（Connected Component Labeling）算法，可以扫描填充法、FloodFill等方式来具体实现这个算法。算法的原理是，判断当前点的邻域内有没有和当前点取值相同的点，如果有，就把他们标记为相同的标号。利用这个思想，如果在判断的时候，不是判断当前点的邻域内有没有和当前点取值相同的点，而是判断当前点的邻域内有没有和当前点取值相近的点——有点类似于梯度区域生长算法，就可以设计出适用于灰度图像的灰度连通区标记算法灰度图CCL算法，如果对每一个点进行如上判断，就可以预先生成一幅具有二值图，且对每个点的判断不依赖于其它点判断的结果，可以做到完全并行。这一段代码很简单，假设体数据已经做了去噪处理，然后用For循环遍历每一个点就能搞定（对于Cuda实现，就是把最里层的内容写到kernel里面），贴代码：
阅读这个条目剩下部分 »
标签： 3d, CUDA, GPU Image Processing, segmentation| 发布在 CUDA, GPU Image Processing | 
Print
|没有评论 »
OpenCL Benchmark
2009年12月5日 by annkok,347 viewsAMD和Sisoft联合在Sisoft的Sandra 2010里面添加了opencl benchmark。支持的硬件有：
- ATI GPUs: Radeon HD 5800, 5700 series
- AMD CPUs: Athlon Neo, Six (6)/Eight (8)/Twelve (12)-Core Opteron 4100, 6100 server
- Intel CPUs: Core i5/i7 desktop/mobile, Xeon Nehalem-EX server
- nVidia GPUs: GT215, GT216, GT218 series
- VIA CPUs: Nano 3000 series
- Hardware monitoring: Analog Devices (ADT), SMSC, Winbond/Nuovoton
大致是对带宽的测试和计算性能的测试，结果：
GPU结果
CPU结果
比较诡异的是，amd的显卡是5870 ，NVidia的显卡竟然选用的是9500，这个…有点太…
OpenCL系列(四)-Memory
2009年11月28日 by annkok,456 viewsMemory分类和访问(Memory Layout and Access)
opencl将存储模型分为三种：Private Memory，Local Memory，Constant Memory和Global Memory。其中Private Memory只可以被work-item使用，也就是单个work-item私有的；Local Memory可以被同一个work-group内的work-item所使用；Global Memory可以被所有的work-item访问和修改；而Constant Memory是Global Memory的一种，区别在于它是不能被更改的。示意图如下[1]：
大致了解了opencl中存储类型后，就会发现opencl的memory model和cuda的极为类似，ok，这里就简单的列出opencl中集中memory类型在Nvidia的GPU、AMD的GPU和CPU中实际对应的数据类型：
| Opencl | Nvidia CUDA | ATI GPU | AMD CPU |
|---|---|---|---|
| Global Memory | Global Memory | global buffer (g[] in CAL/IL) | 系统内存(RAM) |
| Local Memory | Shared Memory | Local Data Share | CPU L1缓存 |
| Private Memory | Register | scratch memory (x[] in CAL/IL) | 系统内存RAM |
update@2009.11.30
Opencl中还有一种存储类型：Image，也就是cuda中的纹理内存，包含2D和3D image。与CUDA中纹理一样提供不同的插值（采样）方式，同时也提供一定cache(硬件支持的)，个人感觉，这是一个GPU的遗留产物，在CPU和DSP等的Opencl实现极有可能不提供对其的支持。所以要注意在使用时，最好先查询一下是否支持。
如何使用(How to use these memory)
to be continued…
IBM停止CELL开发
2009年11月22日 by annkok,727 views坑，又少了一个。原文
update:好像是说停止了相关sdk的开发，转向了opencl，这点和前几天从amd那边得到的消息一致。
Ubuntu 9.04 安装 CUDA 开发环境
2009年11月13日 by pt,877 views1. 下载 CUDA 文件
从 Nvidia CUDA 官方网站（ http://www.nvidia.com/object/cuda_home.html ）的下载页面可以找到适用于 ubuntu 9.04 的 CUDA 文件，包括：
* NVIDIA Driver 190.18 Beta for Linux (Ubuntu 9.04) with CUDA Support
* CUDA Toolkit 2.3 for Linux (Ubuntu 9.04)
* CUDA SDK 2.3 code samples for Linux (Ubuntu 9.04) 阅读这个条目剩下部分 »
OpenCL系列讲座(三) Step By Step
2009年11月8日 by emaxin,882 views我们已经写好的Kernel函数一般保存在一个字符串内，例如在第二节中的kernel：输入两个一维数组，用另外一个一维数组输出两个一维数组求和的结果，如下：
char* chKernelSource = "__kernel sum (__global const float* a, __global const float* b, __global float* answer) { int xid = get_global_id(0); answer[xid] = a[xid] + b[xid]; }";
如概述中所言，下面我们一步一步来写Host代码Main函数部分；
阅读这个条目剩下部分 »
OpenCL系列讲座(二) 基本概念
2009年11月7日 by wy,951 views1、计算设备(Compute Device). 是指系统中支持OpenCL的各类处理器，可以是CPU, GPU，甚至是DSP。一个系统中可以有多个Device连接到主机(Host)上。另外，每个device中会包含多个计算单元(Compute Unit)，例如多核的CPU或者GPU中的多处理器(Multi-Processor). 而每个计算单元中还可以包含多个处理单位(PE, Processing Element). CPU中每个计算单元只含有一个PE, 而GPU中则含有多个。我们可以通过clGetDeviceIDs()这个函数来检查系统中是否有支持OpenCL的设备，并且配合clGetDeviceInfo()函数来了解该设备中如设备类型、计算单元个数等信息。
2、执行(Execution)
最终在Device上执行的代码成为内核(Kernel)，这类代码是C语言的扩展，像下面这样子:
__kernel sum(__global const float* a, __global const float* b, __global float* answer) { int xid = get_global_id(0); answer[xid] = a[xid] + b[xid]; }
Direct Compute Sample
2009年11月6日 by emaxin,315 views除了DirectX SDK里提供的几个写好函数外，最近一直再找Direct Compute的C++代码实现，这意味着随心所欲写自己的算法了。网上资源不多，搜到一个，分享一下：
标签： direct compute| 发布在 DX Compute | Print
|没有评论 »