暴走房产
cuda主要用于哪。
具体是什么。
争议CUDA CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。
CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。
开发人员现在可以使用C语言来为CUDA架构编写程序，C语言是应用最广泛的一种高级编程语言。
所编写出的程序于是就可以在支持CUDA的处理器上以超高性能运行。
将来还会支持其它语言，包括FORTRAN以及C++。
随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。
在计算上已经超越了通用的CPU。
如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像计算以外的目的。
目前只有G80、G92、G94和GT200平台的NVidia显卡才能使用CUDA，工具集的核心是一个C语言编译器。
G80中拥有128个单独的ALU，因此非常适合并行计算，而且数值计算的速度远远优于CPU。
CUDA的SDK中的编译器和开发平台支持Windows、Linux系统，可以与Visual Studio2005集成在一起。
Geforce8CUDA(Compute Unified Device Architecture)是一个新的基础架构，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。
它是一个完整的GPGPU解决方案，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。
在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。
CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力，使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。
从CUDA体系结构的组成来说，包含了三个部分：开发库、运行期环境和驱动（表2）。
开发库是基于CUDA技术所提供的应用开发库。
目前CUDA的1.1版提供了两个标准的数学运算库——CUFFT（离散快速傅立叶变换）和CUBLAS（离散基本线性计算）的实现。
这两个数学运算库所解决的是典型的大规模的并行计算问题，也是在密集数据计算中非常常见的计算类型。
开发人员在开发库的基础上可以快速、方便的建立起自己的计算应用。
此外，开发人员也可以在CUDA的技术基础上实现出更多的开发库。
运行期环境提供了应用开发接口和运行期组件，包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。
基于CUDA开发的程序代码在实际执行中分为两种，一种是运行在CPU上的宿主代码（Host Code），一种是运行在GPU上的设备代码（Device Code）。
不同类型的代码由于其运行的物理位置不同，能够访问到的资源不同，因此对应的运行期组件也分为公共组件、宿主组件和设备组件三个部分，基本上囊括了所有在GPGPU开发中所需要的功能和能够使用到的资源接口，开发人员可以通过运行期环境的编程接口实现各种类型的计算。
由于目前存在着多种GPU版本的NVidia显卡，不同版本的GPU之间都有不同的差异，因此驱动部分基本上可以理解为是CUDA-enable的GPU的设备抽象层，提供硬件设备的抽象访问接口。
CUDA提供运行期环境也是通过这一层来实现各种功能的。
目前基于CUDA开发的应用必须有NVIDIA CUDA-enable的硬件支持，NVidia公司GPU运算事业部总经理Andy Keane在一次活动中表示：一个充满生命力的技术平台应该是开放的，CUDA未来也会向这个方向发展。
由于CUDA的体系结构中有硬件抽象层的存在，因此今后也有可能发展成为一个通用的GPGPU标准接口，兼容不同厂商的GPU产品 CUDA 工具包是一种针对支持CUDA功能的GPU（图形处理器）的C语言开发环境。
CUDA开发环境包括： · nvcc C语言编译器 · 适用于GPU（图形处理器）的CUDA FFT和BLAS库 · 分析器 · 适用于GPU（图形处理器）的gdb调试器（在2008年3月推出alpha版） · CUDA运行时（CUDA runtime）驱动程序（目前在标准的NVIDIA GPU驱动中也提供） · CUDA编程手册 CUDA开发者软件开发包（SDK）提供了一些范例（附有源代码），以帮助使用者开始CUDA编程。
这些范例包括： · 并行双调排序 · 矩阵乘法 · 矩阵转置 · 利用计时器进行性能评价 · 并行大数组的前缀和（扫描） · 图像卷积 · 使用Haar小波的一维DWT · OpenGL和Direct3D图形互操作示例 · CUDA BLAS和FFT库的使用示例 · CPU-GPU C—和C++—代码集成 · 二项式期权定价模型 · Black-Scholes期权定价模型 · Monte-Carlo期权定价模型 · 并行Mersenne Twister（随机数生成） · 并行直方图 · 图像去噪 · Sobel边缘检测滤波器 · MathWorks MATLAB? 新的基于1.1版CUDA的SDK 范例现在也已经发布了。
技术功能 ·在GPU（图形处理器）上提供标准C编程语言 · 为在支持CUDA的NVIDIA GPU（图形处理器）上进行并行计算而提供了统一的软硬件解决方案 · CUDA兼容的GPU（图形处理器）包括很多：从低功耗的笔记本上用的GPU到高性能的，多GPU的系统。
· 支持CUDA...
CUDA是什么
CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。
随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。
在计算上已经超越了通用的CPU。
如此强大的芯片如果只是作为显卡就太浪费了，因此N卡厂商推出CUDA，让显卡可以用于图像计算以外的目的。
目前只有G80平台的N卡才能使用CUDA，工具集的核心是一个C语言编译器。
G80中拥有128个单独的ALU，因此非常适合并行计算，而且数值计算的速度远远优于CPU。
CUDA的SDK中的编译器和开发平台支持Windows、Linux系统，可以与Visual Studio2003集成在一起。
目前这项技术处在起步阶段，仅支持32位系统，编译器不支持双精度数据等问题要在晚些时候解决。
当然还有就是Geforce8系列显卡高昂的价格问题了。
CUDA(Compute Unified Device Architecture)是一个新的基础架构，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。
它是一个完整的GPGPU解决方案，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。
在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。
CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力，使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。
从CUDA体系结构的组成来说，包含了三个部分：开发库、运行期环境和驱动（表2）。
开发库是基于CUDA技术所提供的应用开发库。
目前CUDA的1.1版提供了两个标准的数学运算库——CUFFT（离散快速傅立叶变换）和CUBLAS（离散基本线性计算）的实现。
这两个数学运算库所解决的是典型的大规模的并行计算问题，也是在密集数据计算中非常常见的计算类型。
开发人员在开发库的基础上可以快速、方便的建立起自己的计算应用。
此外，开发人员也可以在CUDA的技术基础上实现出更多的开发库。
运行期环境提供了应用开发接口和运行期组件，包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。
基于CUDA开发的程序代码在实际执行中分为两种，一种是运行在CPU上的宿主代码（Host Code），一种是运行在GPU上的设备代码（Device Code）。
不同类型的代码由于其运行的物理位置不同，能够访问到的资源不同，因此对应的运行期组件也分为公共组件、宿主组件和设备组件三个部分，基本上囊括了所有在GPGPU开发中所需要的功能和能够使用到的资源接口，开发人员可以通过运行期环境的编程接口实现各种类型的计算。
由于目前存在着多种GPU版本的NVIDIA显卡，不同版本的GPU之间都有不同的差异，因此驱动部分基本上可以理解为是CUDA-enable的GPU的设备抽象层，提供硬件设备的抽象访问接口。
CUDA提供运行期环境也是通过这一层来实现各种功能的。
目前基于CUDA开发的应用必须有NVIDIA CUDA-enable的硬件支持，NVIDIA公司GPU运算事业部总经理Andy Keane在一次活动中表示：一个充满生命力的技术平台应该是开放的，CUDA未来也会向这个方向发展。
由于CUDA的体系结构中有硬件抽象层的存在，因此今后也有可能发展成为一个通用的GPGPU标准接口，兼容不同厂商的GPU产品 CUDA? 工具包是一种针对支持CUDA功能的GPU（图形处理器）的C语言开发环境。
CUDA开发环境包括： · nvcc C语言编译器 · 适用于GPU（图形处理器）的CUDA FFT和BLAS库 · 分析器 · 适用于GPU（图形处理器）的gdb调试器（在2008年3月推出alpha版） · CUDA运行时（CUDA runtime）驱动程序（目前在标准的NVIDIA GPU驱动中也提供） · CUDA编程手册 CUDA开发者软件开发包（SDK）提供了一些范例（附有源代码），以帮助使用者开始CUDA编程。
这些范例包括： · 并行双调排序 · 矩阵乘法 · 矩阵转置 · 利用计时器进行性能评价 · 并行大数组的前缀和（扫描） · 图像卷积 · 使用Haar小波的一维DWT · OpenGL和Direct3D图形互操作示例 · CUDA BLAS和FFT库的使用示例 · CPU-GPU C—和C++—代码集成 · 二项式期权定价模型 · Black-Scholes期权定价模型 · Monte-Carlo期权定价模型 · 并行Mersenne Twister（随机数生成） · 并行直方图 · 图像去噪 · Sobel边缘检测滤波器 · MathWorks MATLAB? 插件 （点击这里下载） 新的基于1.1版CUDA的SDK 范例现在也已经发布了。
要查看完整的列表、下载代码，请点击此处。
技术功能 · 在GPU（图形处理器）上提供标准C编程语言 · 为在支持CUDA的NVIDIA GPU（图形处理器）上进行并行计算而提供了统一的软硬件解决方案 · CUDA兼容的GPU（图形处理器）包括很多：从低功耗的笔记本上用的GPU到高性能的，多GPU的系统。
· 支持CUDA的GPU（图形处理器）支持并行数据缓存和线程执行管理器 · 标准FFT（快速傅立叶变换）和BLAS（基本线性代数子程序）数值程序库 · 针对计算的专用CUDA驱动 · 经过优化的，从中央处理器（CPU...
CUDA是什么
CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。
随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。
在计算上已经超越了通用的CPU。
如此强大的芯片如果只是作为显卡就太浪费了，因此N卡厂商推出CUDA，让显卡可以用于图像计算以外的目的。
目前只有G80平台的N卡才能使用CUDA，工具集的核心是一个C语言编译器。
G80中拥有128个单独的ALU，因此非常适合并行计算，而且数值计算的速度远远优于CPU。
CUDA的SDK中的编译器和开发平台支持Windows、Linux系统，可以与Visual Studio2003集成在一起。
目前这项技术处在起步阶段，仅支持32位系统，编译器不支持双精度数据等问题要在晚些时候解决。
当然还有就是Geforce8系列显卡高昂的价格问题了。
CUDA(Compute Unified Device Architecture)是一个新的基础架构，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。
它是一个完整的GPGPU解决方案，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。
在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。
CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力，使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。
从CUDA体系结构的组成来说，包含了三个部分：开发库、运行期环境和驱动（表2）。
开发库是基于CUDA技术所提供的应用开发库。
目前CUDA的1.1版提供了两个标准的数学运算库——CUFFT（离散快速傅立叶变换）和CUBLAS（离散基本线性计算）的实现。
这两个数学运算库所解决的是典型的大规模的并行计算问题，也是在密集数据计算中非常常见的计算类型。
开发人员在开发库的基础上可以快速、方便的建立起自己的计算应用。
此外，开发人员也可以在CUDA的技术基础上实现出更多的开发库。
运行期环境提供了应用开发接口和运行期组件，包括基本数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。
基于CUDA开发的程序代码在实际执行中分为两种，一种是运行在CPU上的宿主代码（Host Code），一种是运行在GPU上的设备代码（Device Code）。
不同类型的代码由于其运行的物理位置不同，能够访问到的资源不同，因此对应的运行期组件也分为公共组件、宿主组件和设备组件三个部分，基本上囊括了所有在GPGPU开发中所需要的功能和能够使用到的资源接口，开发人员可以通过运行期环境的编程接口实现各种类型的计算。
由于目前存在着多种GPU版本的NVIDIA显卡，不同版本的GPU之间都有不同的差异，因此驱动部分基本上可以理解为是CUDA-enable的GPU的设备抽象层，提供硬件设备的抽象访问接口。
CUDA提供运行期环境也是通过这一层来实现各种功能的。
目前基于CUDA开发的应用必须有NVIDIA CUDA-enable的硬件支持，NVIDIA公司GPU运算事业部总经理Andy Keane在一次活动中表示：一个充满生命力的技术平台应该是开放的，CUDA未来也会向这个方向发展。
由于CUDA的体系结构中有硬件抽象层的存在，因此今后也有可能发展成为一个通用的GPGPU标准接口，兼容不同厂商的GPU产品 CUDA? 工具包是一种针对支持CUDA功能的GPU（图形处理器）的C语言开发环境。
CUDA开发环境包括： · nvcc C语言编译器 · 适用于GPU（图形处理器）的CUDA FFT和BLAS库 · 分析器 · 适用于GPU（图形处理器）的gdb调试器（在2008年3月推出alpha版） · CUDA运行时（CUDA runtime）驱动程序（目前在标准的NVIDIA GPU驱动中也提供） · CUDA编程手册 CUDA开发者软件开发包（SDK）提供了一些范例（附有源代码），以帮助使用者开始CUDA编程。
这些范例包括： · 并行双调排序 · 矩阵乘法 · 矩阵转置 · 利用计时器进行性能评价 · 并行大数组的前缀和（扫描） · 图像卷积 · 使用Haar小波的一维DWT · OpenGL和Direct3D图形互操作示例 · CUDA BLAS和FFT库的使用示例 · CPU-GPU C—和C++—代码集成 · 二项式期权定价模型 · Black-Scholes期权定价模型 · Monte-Carlo期权定价模型 · 并行Mersenne Twister（随机数生成） · 并行直方图 · 图像去噪 · Sobel边缘检测滤波器 · MathWorks MATLAB? 插件 （点击这里下载） 新的基于1.1版CUDA的SDK 范例现在也已经发布了。
要查看完整的列表、下载代码，请点击此处。
技术功能 · 在GPU（图形处理器）上提供标准C编程语言 · 为在支持CUDA的NVIDIA GPU（图形处理器）上进行并行计算而提供了统一的软硬件解决方案 · CUDA兼容的GPU（图形处理器）包括很多：从低功耗的笔记本上用的GPU到高性能的，多GPU的系统。
· 支持CUDA的GPU（图形处理器）支持并行数据缓存和线程执行管理器 · 标准FFT（快速傅立叶变换）和BLAS（基本线性代数子程序）数值程序库 · 针对计算的专用CUDA驱动 · 经过优化的，从中央处理器（CPU）到支持CUDA的GPU（图形处理器）的直接上传、下载通道 · CUDA驱...
有什么 『支持Nvidia显卡加速』 的格式转换的软件？？？？
一直以来在视频转换都是一件很烦人的事情，只利用CPU进行转码是相当耗资源的，在转码过程中用户也只能干瞪着眼等待了。
并且转换速度很慢，一部影片动辄要数小时的转码时间，可能转换后发现效果不满意，还需要重新转换，这样浪费的时间更多。
而如果使用专业的视频转换软件需要硬件解压卡，转换速度和效果的确不错，但是这样的设备采购价格往往相当昂贵，并不适合一般玩家选择。
对显卡感兴趣的朋友都知道，通用计算是大家如今经常提到的字眼，通用计算之所以如此热门其根本原因在于显卡核心GPU的多流处理器架构：GPU强大的并行浮点运算能力是仅仅拥有个位数核心的中央处理器CPU无法望其项背的。
而通用计算技术可以发挥GPU的长处，让其电脑运算速度飙升，一些应用程序的速度可以提高数倍甚至数十倍，让原来因为运算量巨大而不可完成的任务变得可行。
近年来GPU通用计算已经在科学研究和超级计算领域取得突破性进展，随着数百万支持CUDA的GPU已经遍布全球计算机，软件开发人员、科学人士和研究人员正在利用CUDA探测到更多更广的领域中，包括图像和视频编辑、计算生物学和计算化学、流体力学模拟、CT图像重组、地震分析、光线追踪以及其它更多。
近年来超级计算机的突飞猛进很大程度上也是得益于强大的GPU加盟。
就连我国自己制造的”天河一号A“超级计算机也采用NVIDIA Tesla相关技术 AMD以及NVIDIA两家的都拥有自家的通用计算技术，分别为CUDA与Stream，由于支持Stream的转码软件还比较少，仅限制于自家推出的转码软件，所以我们在这里重点介绍下基于CUDA的视频转码软件。
由于NVIDIA的大力推广，CUDA得到了众多视频转码软件厂商的支持，包括MediaShow Espresso,Badaboom、TMPEGnc等一系列软件都完美支持CUDA加速，但这几款软件均为收费商业版，购买价格比价贵，只适合经济实力较强的用户。
这里小编为大家推荐视频转码软件为：MediaCoder。
MediaCoder是一款免费的国产通用音频/视频批量转码软件，它将众多来自开源社区的音频/视频编解码器及工具整合为一个通用的解决方案，可将音频/视频文件在数种格式之间进行转换。
经过一段时间的发展MediaCoder的用户已经遍布全世界170多个国家。
目前已经完美支持硬件编码加速（nVidia CUDA和Intel Media SDK），对多核处理器优化也相当到位。
MediaCoder可支持的输入输出格式非常丰富，包括有： MP3,Vorbis,AAC,AAC+/HE-AAC,AAC+v2/HE-AAC v2,MusePack,Speex,AMR,WMA,RealAudio,mp3PRO* FLAC,WavPack,Monkey's Audio,OptimFrog,AAC Lossless,TTA,WAV/PCM,Waveform H.264,XviD,DivX,MPEG 1/2/4,Theora,FlashVideo,Dirac,3ivx*,RealVideo*,Windows Media Video AVI,MPEG/VOB,Matroska,MP4,PMP,RealMedia*,ASF,Quicktime*,OGM* CD,DVD,VCD,SVCD,CUESheet*,HTTP*,FTP*,RTSP*,UDP 用户只需要去其官方网站下载MediaCoder For CUDA NT这个版本，在视频转码设置中开启CUDA加速即可，在使用CUDA Encoder编码器时转码速率会有一定的提升，提升幅度则以具体视频源的编码方式而定；而且MediaCoder是一款CPU占用率非常高的软件，而在开启CUDA加速后可降低CPU占用率10~20%左右，为用户腾出更多的CPU资源。
视频转码需要什么样的硬件支持？
NVIDIA显卡的的CUDA核心是什么？
CUDA核心，理论上流处理器缩写是SP。
但NVIDIA自己称呼他们的SP是CUDA Core。
CUDA Core只是N卡流处理器而已，只是一个流处理器名词。
CUDA是一个统一计算架构，属于软件+硬件架构统称。
他不是一个软件也不是一个纯硬件。
而是软硬结合的计算体系。
你可以理解为CUDA是一个基于NVIDIA GPU平台上面NV自己定制的特殊计算体系。
是NV自己发明的运算算法，在NV平台和软件支持上面才能发挥最高效率。
CUDA在NVIDIA定义是一种类C语言，本身兼容C语言。
CUDA虽然是一种独立语言提供开发学习，但CUDA本身和C差距不算非常巨大，很多有经验的开发者很快能学会。
CUDA在全球属于NVIDIA私人生态区，他的势力并不比IOS小。
甚至在高端计算领域和图形领域。
CUDA算的上是权威标准。
Quadro和Tesla这2个统治世界的著名计算平台就是靠着CUDA生态区才能提供客户一体化服务，否则如果大家都像AMD那样只卖个浮点看起来很高的物理节点，那么老黄根本不敢自封视觉运算公司，那不是普通半导体公司搞的授权么？ CUDA是一个计算结构，是一个理念。
是一个软硬平台，是一个NV提供综合性服务的东西。
他不是一个显卡授权，也不是一个集群。
也不是一个驱动。
...
NVIDIA显卡支持CUDA,什么是CUDA
关于CUDA: CUDA(Compute Unified Device Architecture)是一个新的基础架构，这个架构可以使用GPU来解决商业、工业以及科学方面的复杂计算问题。
它是一个完整的GPGPU解决方案，提供了硬件的直接访问接口，而不必像传统方式一样必须依赖图形API接口来实现GPU的访问。
在架构上采用了一种全新的计算体系结构来使用GPU提供的硬件资源，从而给大规模的数据计算应用提供了一种比CPU更加强大的计算能力。
CUDA采用C语言作为编程语言提供大量的高性能计算指令开发能力，使开发者能够在GPU的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。
关于NVIDIA CUDA技术NVIDIA CUDA技术是当今世界上唯一针对NVIDIA GPU（图形处理器）的C语言环境，为支持CUDA技术的NVIDIA GPU（图形处理器）带来无穷的图形计算处理性能。
凭借NVIDIA CUDA技术，开发人员能够利用NVIDIA GPU（图形处理器）攻克极其复杂的密集型计算难题，应用到诸如石油与天然气的开发，金融风险管理，产品设计，媒体图像以及科学研究等领域。
CUDA? 工具包是一种针对支持CUDA功能的GPU（图形处理器）的C语言开发环境。
CUDA开发环境包括：nvcc C语言编译器 适用于GPU（图形处理器）的CUDA FFT和BLAS库 分析器 适用于GPU（图形处理器）的gdb调试器（在2008年3月推出alpha版） CUDA运行时（CUDA runtime）驱动程序（目前在标准的NVIDIA GPU驱动中也提供） CUDA编程手册 CUDA开发者软件开发包（SDK）提供了一些范例（附有源代码），以帮助使用者开始CUDA编程。
这些范例包括： 并行双调排序 矩阵乘法 矩阵转置 利用计时器进行性能评价 并行大数组的前缀和（扫描） 图像卷积 使用Haar小波的一维DWT OpenGL和Direct3D图形互操作示例 CUDA BLAS和FFT库的使用示例 CPU-GPU C—和C++—代码集成 二项式期权定价模型 Black-Scholes期权定价模型 Monte-Carlo期权定价模型 并行Mersenne Twister（随机数生成） 并行直方图 图像去噪 Sobel边缘检测滤波器 MathWorks MATLAB? 插件 （点击这里下载） 新的基于1.1版CUDA的SDK 范例现在也已经发布了。
要查看完整的列表、下载代码，请点击此处。
技术功能 在GPU（图形处理器）上提供标准C编程语言 为在支持CUDA的NVIDIA GPU（图形处理器）上进行并行计算而提供了统一的软硬件解决方案 CUDA兼容的GPU（图形处理器）包括很多：从低功耗的笔记本上用的GPU到高性能的，多GPU的系统。
支持CUDA的GPU（图形处理器）支持并行数据缓存和线程执行管理器 标准FFT（快速傅立叶变换）和BLAS（基本线性代数子程序）数值程序库 针对计算的专用CUDA驱动 经过优化的，从中央处理器（CPU）到支持CUDA的GPU（图形处理器）的直接上传、下载通道 CUDA驱动可与OpenGL和DirectX图形驱动程序实现互操作 支持Linux 32位/64位以及Windows XP 32位/64位 操作系统 为了研究以及开发语言的目的，CUDA提供对驱动程序的直接访问，以及汇编语言级的访问。
展开
NVIDIA Tesla C1060的规格
尺寸规格 9.75英寸PCIe x16规格 Tesla GPU的数量 1 CUDA核心数量 448 CUDA核心频率 1.15 GHz 双精度浮点性能（峰值） 515 Gflops 单精度浮点性能（峰值） 1.03 Tflops 专用存储器总容量*Tesla C2050Tesla C2070 3GB GDDR56GB GDDR5 存储器频率 1.5 GHz 存储器接口 384位 存储器带宽 144 GB/秒 功耗Tesla C2050 238W热设计功耗 系统接口 PCIe x16 Gen2 散热解决方案 主动式风扇散热器 显示器支持Dual-Link DVI-I显示器最大分辨率@ 60Hz 12560x1600 软件开发工具 CUDA C/C++/Fortran、OpenCL以及DirectCompute工具包。
针对Visual Studio的NVIDIA?（英伟达?）Parallel Nsight? *注：在开启ECC功能的情况下，专用存储器中的一部分将用于ECC数据，因此用户可用存储器容量将减少12.5%。
（例如总容量为3 GB的存储器将仅能为用户提供2.68 GB的可用容量。
）
哪些输出格式才可以NVIDIA GPU加速,支持加速的硬件需求
传统视频转码会遇到什么问题？ 一直以来在视频转换都是一件很烦人的事情，只利用CPU进行转码是相当耗资源的，在转码过程中用户也只能干瞪着眼等待了。
并且转换速度很慢，一部影片动辄要数小时的转码时间，可能转换后发现效果不满意，还需要重新转换，这样浪费的时间更多。
而如果使用专业的视频转换软件需要硬件解压卡，转换速度和效果的确不错，但是这样的设备采购价格往往相当昂贵，并不适合一般玩家选择。
借助显卡进行视频转码的优势在哪里？ 对显卡感兴趣的朋友都知道，通用计算是大家如今经常提到的字眼，通用计算之所以如此热门其根本原因在于显卡核心GPU的多流处理器架构：GPU强大的并行浮点运算能力是仅仅拥有个位数核心的中央处理器CPU无法望其项背的。
而通用计算技术可以发挥GPU的长处，让其电脑运算速度飙升，一些应用程序的速度可以提高数倍甚至数十倍，让原来因为运算量巨大而不可完成的任务变得可行。
近年来GPU通用计算已经在科学研究和超级计算领域取得突破性进展，随着数百万支持CUDA的GPU已经遍布全球计算机，软件开发人员、科学人士和研究人员正在利用CUDA探测到更多更广的领域中，包括图像和视频编辑、计算生物学和计算化学、流体力学模拟、CT图像重组、地震分析、光线追踪以及其它更多。
近年来超级计算机的突飞猛进很大程度上也是得益于强大的GPU加盟。
就连我国自己制造的”天河一号A“超级计算机也采用NVIDIA Tesla相关技术 AMD以及NVIDIA两家的都拥有自家的通用计算技术，分别为CUDA与Stream，由于支持Stream的转码软件还比较少，仅限制于自家推出的转码软件，所以我们在这里重点介绍下基于CUDA的视频转码软件。
如何使用显卡进行视频转码？ 由于NVIDIA的大力推广，CUDA得到了众多视频转码软件厂商的支持，包括MediaShow Espresso,Badaboom、TMPEGnc等一系列软件都完美支持CUDA加速，但这几款软件均为收费商业版，购买价格比价贵，只适合经济实力较强的用户。
这里小编为大家推荐视频转码软件为：MediaCoder。
MediaCoder是一款免费的国产通用音频/视频批量转码软件，它将众多来自开源社区的音频/视频编解码器及工具整合为一个通用的解决方案，可将音频/视频文件在数种格式之间进行转换。
经过一段时间的发展MediaCoder的用户已经遍布全世界170多个国家。
目前已经完美支持硬件编码加速（nVidia CUDA和Intel Media SDK），对多核处理器优化也相当到位。
MediaCoder可支持的输入输出格式非常丰富，包括有： ?MP3,Vorbis,AAC,AAC+/HE-AAC,AAC+v2/HE-AAC v2,MusePack,Speex,AMR,WMA,RealAudio,mp3PRO* ?FLAC,WavPack,Monkey's Audio,OptimFrog,AAC Lossless,TTA,WAV/PCM,Waveform ?H.264,XviD,DivX,MPEG 1/2/4,Theora,Flash Video,Dirac,3ivx*,RealVideo*,Windows Media Video ?AVI,MPEG/VOB,Matroska,MP4,PMP,RealMedia*,ASF,Quicktime*,OGM* ?CD,DVD,VCD,SVCD,CUESheet*,HTTP*,FTP*,RTSP*,UDP 用户只需要去其官方网站下载MediaCoder For CUDA NT这个版本，在视频转码设置中开启CUDA加速即可，在使用CUDA Encoder编码器时转码速率会有一定的提升，提升幅度则以具体视频源的编码方式而定；而且MediaCoder是一款CPU占用率非常高的软件，而在开启CUDA加速后可降低CPU占用率10~20%左右，为用户腾出更多的CPU资源。
视频转码需要什么样的硬件支持？ 首先用户需要安装MediaCoder For CUDA NT，并且确认自己的显卡为Geforce9系列（包括）以后的产品，如果满足以上两点，就可以轻松实现视频转码。
展开
请教可以在Linux内核中使用CUDA吗
1、在英伟达的官网上下载对应系统版本的cuda5.5工具包，我的笔记本是32位的，下载的包是cuda_5.5.22_linux_32.run，当然下载deb包也可以，deb包可双击安装。
推荐使用run包。
2、检查自己的系统是否符合安装条件，这一点很重要，我开始没有检测GCC，导致后面几次安装失败。
命令$lspci | grep -i nvidia ，检测电脑是否安装NVIDIA显卡，命令$gcc --version，检测GCC版本，注意：CUDA5.5只支持GCC4.6版本，如果显示的不是下图所示，则需要重新将GCC链接。
同时安装头文件和编译环境$sudo apt-get install linux-headers-$(uname -r) build-essential3、gcc版本是4.6的跳过此步。
如果gcc版本不是4.6的，则需要将GCC重新链接，在目录/usr/bin下，只需两个命令即可完成重新链接。
$sudo mv gcc gcc.bak$sudo ln -s gcc-4.6 gcc4、删除之前的Ubuntu nvidia驱动包，$sudo apt-get –purge remove nvidia*，并将开源驱动nouveau屏蔽掉，使用命令$sudo vim /etc/modprobe.d/blacklist.conf，添加blacklist vga16fb blacklist nouveau blacklist rivafb blacklist nvidiafb blacklist rivatv。
5、关闭图形环境，$sudo stop lightdm，按Ctrl+Alt+F1，打开一个终端，登录。
进入下载的Ubuntu nvidia驱动安装文件所在目录，$sudo sh ./cuda_5.5.22_linux_32.run命令进行安装。
如果遇到failed，不用着急，打开安装log，排查问题，warning不用管，看ERROR。
6、安装完成后，需要重启。
此时电脑清晰多了，说明安装成功。
从事GPU开发的我们还需要装上cuda和openCL库的支持：$sudo apt-get install nvidia-current-dev。
注意事项ubuntu不需要重新编译内核，记得centos和red hat需要，命令也简单：$sudo dracut -v /boot/initramfs-$(uname -r).img $(uname -r)
转载请注明出处51数据库 » cuda软件开发工具
