'분류 전체보기' 카테고리의 글 목록 (1088 Page)

'잡동사니'에 해당되는 글 13155건

2011.01.20 사과가 싫어 ㅠ.ㅠ 6
2011.01.19 헉?! 윈도우 msn 털린건가? 6
2011.01.18 CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 2
2011.01.18 CUDA 3.1과 3.2의 devicequery 결과 차이점
2011.01.18 vectorAdd 를 이용한 CUDA 연습
2011.01.17 CUDA 메모리별 범위(scope)
2011.01.16 CUDA 내장변수 - built in variable
2011.01.16 CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요! 2
2011.01.16 Seti@home AstroPulse - 날 죽일셈이냐? 2
2011.01.15 UFO:AI 2.3.1 한글화 2

사과가 싫어 ㅠ.ㅠ

원래 사과를 무지 좋아하는데..

근 3달 이내에 사과를 먹고 매번 토하는 현상이 발생 -_-

오늘 혹시나 하는 마음에 사과를 먹다가

점심때 먹은것까지 게워내는 사태 -_-

사과의 약간 미끈미끈한 그 감촉이 거부감을 불러 일으키는 걸려나?

'개소리 왈왈' 카테고리의 다른 글

아아 지르고 싶어 ㅠ.ㅠ (2)	2011.01.30
지하철에 카드가 안 찍히면? (6)	2011.01.25
헉?! 윈도우 msn 털린건가? (6)	2011.01.19
악 나의 삐뚜러진 필터링 (2)	2011.01.05
의사의 초간단 진찰 (4)	2011.01.04

Posted by 구차니

헉?! 윈도우 msn 털린건가?

오랫만에 접속해봤더니 대화명이 이상하네 -_-

나 털린건가?!

'개소리 왈왈' 카테고리의 다른 글

지하철에 카드가 안 찍히면? (6)	2011.01.25
사과가 싫어 ㅠ.ㅠ (6)	2011.01.20
악 나의 삐뚜러진 필터링 (2)	2011.01.05
의사의 초간단 진찰 (4)	2011.01.04
Reboot (4)	2011.01.02

Posted by 구차니

CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각

DeviceQuery 프로그램을 실행하면 다음과 같은 내용이 나온다.

Maximum sizes of each dimension of a block: 512 x 512 x 64

Maximum sizes of each dimension of a grid: 65535 x 65535 x 1

블럭의 차원은 512x512x64 3차원으로 구성이 가능하고

그리드의 차원은 65535x65535x1 2차원으로 구성이 가능하다.

여전히 그리드와 블럭 쓰레드, 이러한 연관관계가 확실히 정립된게 아니라 헷갈리지만

kernel<<<block,thread>>>(agrs) 에서

그리드의 차원은 block 이고

블럭의 차원은 thread 인거 같은데(아무래도 차수가 제한된게 같으니까)

실제로 존재하는 쓰레드의 갯수라던가, 멀티프로세서의 갯수를 감안하면 절대 불가능한 수치이다.

8800GT의 경우

14개의 멀티프로세서와 개당 8개씩의 코어(쓰레드 블럭)이 존재함으로

총 112개의 쓰레드 블럭이 존재하기 때문에

물리적으로는 블럭의 차원은 14x8x1 정도가 한계라고 볼 수 있다.

하지만, 논리적으로는 한번의 처리단위가 14x8x1 이므로

X/Y/Z 차원으로 n번씩 반복하게 되면 돌릴수 있게 되고 이럴경우

X차원으로는 37번

Y차원으로 64번

Z차원으로 64번 이런식으로 더 반복하게 하면 무리없이 가능하다.

내부적으로 BlockIdx 라는 변수만 thread block 에서 값만 바꾸어서 넘겨주면 되니까 말이다.

결론 : 위에서 명시되는 최대차원은 논리적으로 제한을 둔 값으로 생각된다.

'Programming > openCL & CUDA' 카테고리의 다른 글

cuBLAS / BLAS Level 1,2,3 (0)	2011.01.24
CUDA 관련 해외글 (0)	2011.01.22
CUDA 3.1과 3.2의 devicequery 결과 차이점 (0)	2011.01.18
vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18
CUDA 메모리별 범위(scope) (0)	2011.01.17

Posted by 구차니

CUDA 3.1과 3.2의 devicequery 결과 차이점

별건없고, 멀티프로세서와 core의 출력방식이 변경되었다.

CUDA SDK 3.1

D:\CUDA\NVIDIA GPU Computing SDK\C\bin\win32\Release\deviceQuery.exe Starting...

CUDA Device Query (Runtime API) version (CUDART static linking)

There are 2 devices supporting CUDA

Device 0: "GeForce 8800 GT"

CUDA Driver Version: 3.20

CUDA Runtime Version: 3.10

CUDA Capability Major revision number: 1

CUDA Capability Minor revision number: 1

Total amount of global memory: 536543232 bytes

Number of multiprocessors: 14

Number of cores: 112

Total amount of constant memory: 65536 bytes

Total amount of shared memory per block: 16384 bytes

Total number of registers available per block: 8192

Warp size: 32

Maximum number of threads per block: 512

Maximum sizes of each dimension of a block: 512 x 512 x 64

Maximum sizes of each dimension of a grid: 65535 x 65535 x 1

Maximum memory pitch: 2147483647 bytes

Texture alignment: 256 bytes

Clock rate: 1.50 GHz

Concurrent copy and execution: Yes

Run time limit on kernels: Yes

Integrated: No

Support host page-locked memory mapping: Yes

Compute mode: Default

(multiple host threads can use this device simultaneously)

Concurrent kernel execution: No

Device has ECC support enabled: No

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 3.20, CUDA Runtime Vers

ion = 3.10, NumDevs = 2, Device = GeForce 8800 GT, Device = GeForce 8800 GT

PASSED

Press <Enter> to Quit...

-----------------------------------------------------------

CUDA SDK 3.2

D:\CUDA\NVIDIA GPU Computing SDK 3.2\C\bin\win32\Release\deviceQuery.exe Starting...

CUDA Device Query (Runtime API) version (CUDART static linking)

There are 2 devices supporting CUDA

Device 0: "GeForce 8800 GT"

CUDA Driver Version: 3.20

CUDA Runtime Version: 3.20

CUDA Capability Major/Minor version number: 1.1

Total amount of global memory: 536543232 bytes

Multiprocessors x Cores/MP = Cores: 14 (MP) x 8 (Cores/MP) = 112 (Cores)

Total amount of constant memory: 65536 bytes

Total amount of shared memory per block: 16384 bytes

Total number of registers available per block: 8192

Warp size: 32

Maximum number of threads per block: 512

Maximum sizes of each dimension of a block: 512 x 512 x 64

Maximum sizes of each dimension of a grid: 65535 x 65535 x 1

Maximum memory pitch: 2147483647 bytes

Texture alignment: 256 bytes

Clock rate: 1.50 GHz

Concurrent copy and execution: Yes

Run time limit on kernels: Yes

Integrated: No

Support host page-locked memory mapping: Yes

Compute mode: Default

(multiple host threads can use this device simultaneously)

Concurrent kernel execution: No

Device has ECC support enabled: No

Device is using TCC driver mode: No

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 3.20, CUDA Runtime Vers

ion = 3.20, NumDevs = 2, Device = GeForce 8800 GT, Device = GeForce 8800 GT

PASSED

Press <Enter> to Quit...

-----------------------------------------------------------

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 관련 해외글 (0)	2011.01.22
CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 (2)	2011.01.18
vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18
CUDA 메모리별 범위(scope) (0)	2011.01.17
CUDA 내장변수 - built in variable (0)	2011.01.16

Posted by 구차니

vectorAdd 를 이용한 CUDA 연습

warp 크기는 32 라는데,

그 이하로도 묶어서 사용이 가능한지 테스트를 해보았다.

VectorAdd를 변형해서 int 형으로 계산하고, 변수는 총 64개의 int형 배열로 선언

그리고 커널코드는 단순하게 두개의 배열을 더해서 세번째로 던져주게 해놓았다.

단, 커널은 1 block / 5 thread로 설정했다.

// Device code

__global__ void VecAdd(const int* A, const int* B, int* C, int N)

{

int i = threadIdx.x;

C[i] = A[i] + B[i];

}

VecAdd<<<1,5>>>(d_A, d_B, d_C, N);

결과는 아래와 같이 5개만 계산이 되어 나온다.

Vector addition

[000] h_A[0] + h_B[0] = 0, h_C[0]

[001] h_A[1] + h_B[1] = 2, h_C[2]

[002] h_A[2] + h_B[2] = 4, h_C[4]

[003] h_A[3] + h_B[3] = 6, h_C[6]

[004] h_A[4] + h_B[4] = 8, h_C[8]

[005] h_A[5] + h_B[5] = 10, h_C[133]- not ok

[006] h_A[6] + h_B[6] = 12, h_C[134]- not ok

[007] h_A[7] + h_B[7] = 14, h_C[135]- not ok

[008] h_A[8] + h_B[8] = 16, h_C[136]- not ok

[009] h_A[9] + h_B[9] = 18, h_C[137]- not ok

[010] h_A[10] + h_B[10] = 20, h_C[138]- not ok

[011] h_A[11] + h_B[11] = 22, h_C[139]- not ok

[012] h_A[12] + h_B[12] = 24, h_C[140]- not ok

[013] h_A[13] + h_B[13] = 26, h_C[141]- not ok

[014] h_A[14] + h_B[14] = 28, h_C[142]- not ok

[015] h_A[15] + h_B[15] = 30, h_C[143]- not ok

[016] h_A[16] + h_B[16] = 32, h_C[144]- not ok

[017] h_A[17] + h_B[17] = 34, h_C[145]- not ok

[018] h_A[18] + h_B[18] = 36, h_C[146]- not ok

[019] h_A[19] + h_B[19] = 38, h_C[147]- not ok

[020] h_A[20] + h_B[20] = 40, h_C[148]- not ok

[021] h_A[21] + h_B[21] = 42, h_C[149]- not ok

[022] h_A[22] + h_B[22] = 44, h_C[150]- not ok

[023] h_A[23] + h_B[23] = 46, h_C[151]- not ok

[024] h_A[24] + h_B[24] = 48, h_C[152]- not ok

[025] h_A[25] + h_B[25] = 50, h_C[153]- not ok

[026] h_A[26] + h_B[26] = 52, h_C[154]- not ok

[027] h_A[27] + h_B[27] = 54, h_C[155]- not ok

[028] h_A[28] + h_B[28] = 56, h_C[156]- not ok

[029] h_A[29] + h_B[29] = 58, h_C[157]- not ok

[030] h_A[30] + h_B[30] = 60, h_C[158]- not ok

[031] h_A[31] + h_B[31] = 62, h_C[159]- not ok

[032] h_A[32] + h_B[32] = 64, h_C[160]- not ok

[033] h_A[33] + h_B[33] = 66, h_C[161]- not ok

[034] h_A[34] + h_B[34] = 68, h_C[162]- not ok

[035] h_A[35] + h_B[35] = 70, h_C[163]- not ok

[036] h_A[36] + h_B[36] = 72, h_C[164]- not ok

[037] h_A[37] + h_B[37] = 74, h_C[165]- not ok

[038] h_A[38] + h_B[38] = 76, h_C[166]- not ok

[039] h_A[39] + h_B[39] = 78, h_C[167]- not ok

[040] h_A[40] + h_B[40] = 80, h_C[168]- not ok

[041] h_A[41] + h_B[41] = 82, h_C[169]- not ok

[042] h_A[42] + h_B[42] = 84, h_C[170]- not ok

[043] h_A[43] + h_B[43] = 86, h_C[171]- not ok

[044] h_A[44] + h_B[44] = 88, h_C[172]- not ok

[045] h_A[45] + h_B[45] = 90, h_C[173]- not ok

[046] h_A[46] + h_B[46] = 92, h_C[174]- not ok

[047] h_A[47] + h_B[47] = 94, h_C[175]- not ok

[048] h_A[48] + h_B[48] = 96, h_C[176]- not ok

[049] h_A[49] + h_B[49] = 98, h_C[177]- not ok

[050] h_A[50] + h_B[50] = 100, h_C[178]- not ok

[051] h_A[51] + h_B[51] = 102, h_C[179]- not ok

[052] h_A[52] + h_B[52] = 104, h_C[180]- not ok

[053] h_A[53] + h_B[53] = 106, h_C[181]- not ok

[054] h_A[54] + h_B[54] = 108, h_C[182]- not ok

[055] h_A[55] + h_B[55] = 110, h_C[183]- not ok

[056] h_A[56] + h_B[56] = 112, h_C[184]- not ok

[057] h_A[57] + h_B[57] = 114, h_C[185]- not ok

[058] h_A[58] + h_B[58] = 116, h_C[186]- not ok

[059] h_A[59] + h_B[59] = 118, h_C[187]- not ok

[060] h_A[60] + h_B[60] = 120, h_C[188]- not ok

[061] h_A[61] + h_B[61] = 122, h_C[189]- not ok

[062] h_A[62] + h_B[62] = 124, h_C[190]- not ok

[063] h_A[63] + h_B[63] = 126, h_C[191]- not ok

PASSED

2개씩 3개 블럭을 사용해도 제대로 나온다.

__global__ void VecAdd(const int* A, const int* B, int* C, int N)

{

int i = blockIdx.x * blockDim.x + threadIdx.x;

C[i] = A[i] + B[i];

}

VecAdd<<<3,2>>>(d_A, d_B, d_C, N);

Vector addition

[000] h_A[0] + h_B[0] = 0, h_C[0]

[001] h_A[1] + h_B[1] = 2, h_C[2]

[002] h_A[2] + h_B[2] = 4, h_C[4]

[003] h_A[3] + h_B[3] = 6, h_C[6]

[004] h_A[4] + h_B[4] = 8, h_C[8]

[005] h_A[5] + h_B[5] = 10, h_C[10]

[006] h_A[6] + h_B[6] = 12, h_C[134]- not ok

[007] h_A[7] + h_B[7] = 14, h_C[135]- not ok

[008] h_A[8] + h_B[8] = 16, h_C[136]- not ok

[009] h_A[9] + h_B[9] = 18, h_C[137]- not ok

[010] h_A[10] + h_B[10] = 20, h_C[138]- not ok

[011] h_A[11] + h_B[11] = 22, h_C[139]- not ok

[012] h_A[12] + h_B[12] = 24, h_C[140]- not ok

[013] h_A[13] + h_B[13] = 26, h_C[141]- not ok

[014] h_A[14] + h_B[14] = 28, h_C[142]- not ok

[015] h_A[15] + h_B[15] = 30, h_C[143]- not ok

[016] h_A[16] + h_B[16] = 32, h_C[144]- not ok

[017] h_A[17] + h_B[17] = 34, h_C[145]- not ok

[018] h_A[18] + h_B[18] = 36, h_C[146]- not ok

[019] h_A[19] + h_B[19] = 38, h_C[147]- not ok

[020] h_A[20] + h_B[20] = 40, h_C[148]- not ok

[021] h_A[21] + h_B[21] = 42, h_C[149]- not ok

[022] h_A[22] + h_B[22] = 44, h_C[150]- not ok

[023] h_A[23] + h_B[23] = 46, h_C[151]- not ok

[024] h_A[24] + h_B[24] = 48, h_C[152]- not ok

[025] h_A[25] + h_B[25] = 50, h_C[153]- not ok

[026] h_A[26] + h_B[26] = 52, h_C[154]- not ok

[027] h_A[27] + h_B[27] = 54, h_C[155]- not ok

[028] h_A[28] + h_B[28] = 56, h_C[156]- not ok

[029] h_A[29] + h_B[29] = 58, h_C[157]- not ok

[030] h_A[30] + h_B[30] = 60, h_C[158]- not ok

[031] h_A[31] + h_B[31] = 62, h_C[159]- not ok

[032] h_A[32] + h_B[32] = 64, h_C[160]- not ok

[033] h_A[33] + h_B[33] = 66, h_C[161]- not ok

[034] h_A[34] + h_B[34] = 68, h_C[162]- not ok

[035] h_A[35] + h_B[35] = 70, h_C[163]- not ok

[036] h_A[36] + h_B[36] = 72, h_C[164]- not ok

[037] h_A[37] + h_B[37] = 74, h_C[165]- not ok

[038] h_A[38] + h_B[38] = 76, h_C[166]- not ok

[039] h_A[39] + h_B[39] = 78, h_C[167]- not ok

[040] h_A[40] + h_B[40] = 80, h_C[168]- not ok

[041] h_A[41] + h_B[41] = 82, h_C[169]- not ok

[042] h_A[42] + h_B[42] = 84, h_C[170]- not ok

[043] h_A[43] + h_B[43] = 86, h_C[171]- not ok

[044] h_A[44] + h_B[44] = 88, h_C[172]- not ok

[045] h_A[45] + h_B[45] = 90, h_C[173]- not ok

[046] h_A[46] + h_B[46] = 92, h_C[174]- not ok

[047] h_A[47] + h_B[47] = 94, h_C[175]- not ok

[048] h_A[48] + h_B[48] = 96, h_C[176]- not ok

[049] h_A[49] + h_B[49] = 98, h_C[177]- not ok

[050] h_A[50] + h_B[50] = 100, h_C[178]- not ok

[051] h_A[51] + h_B[51] = 102, h_C[179]- not ok

[052] h_A[52] + h_B[52] = 104, h_C[180]- not ok

[053] h_A[53] + h_B[53] = 106, h_C[181]- not ok

[054] h_A[54] + h_B[54] = 108, h_C[182]- not ok

[055] h_A[55] + h_B[55] = 110, h_C[183]- not ok

[056] h_A[56] + h_B[56] = 112, h_C[184]- not ok

[057] h_A[57] + h_B[57] = 114, h_C[185]- not ok

[058] h_A[58] + h_B[58] = 116, h_C[186]- not ok

[059] h_A[59] + h_B[59] = 118, h_C[187]- not ok

[060] h_A[60] + h_B[60] = 120, h_C[188]- not ok

[061] h_A[61] + h_B[61] = 122, h_C[189]- not ok

[062] h_A[62] + h_B[62] = 124, h_C[190]- not ok

[063] h_A[63] + h_B[63] = 126, h_C[191]- not ok

PASSED

원래는 32개씩 묶여서 원하는 수량대로만 돌라고

커널 코드에 if(i<N) 식으로 제한이 되어있는줄 알았는데, 없어도 의도한 대로는 돈다.

물론 돌아야 할 데이터의 갯수가 grid.x * gird.y * thread.x * thread.y 의 갯수만큼

떨어지지 않는다면 제한을 두어야겠지만 말이다.

결론 : warp은 최소단위로 묶이는 쓰레드의 갯수이긴 하지만, 실제로 그 이하로도 묶인다.

블럭단위라고 해서 달라지는건 없는듯?

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각 (2)	2011.01.18
CUDA 3.1과 3.2의 devicequery 결과 차이점 (0)	2011.01.18
CUDA 메모리별 범위(scope) (0)	2011.01.17
CUDA 내장변수 - built in variable (0)	2011.01.16
CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요! (2)	2011.01.16

Posted by 구차니

CUDA 메모리별 범위(scope)

CUDA Device에는 수 많은(?) 종류의 메모리가 있다.

이러한 메모리들의 특성에 대해 정리한 도표이다.

출처는 NVIDIA_CUDA_C_BestPracticesGuide.pdf 파일

의외(?)로 Local 메모리가 Local에 존재하지 않는다는 쇼킹한 이야기 -_-

쓰레드에 사용하는 메모리이지만, Off chip 즉 Device memory에 존재한다.

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 3.1과 3.2의 devicequery 결과 차이점 (0)	2011.01.18
vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18
CUDA 내장변수 - built in variable (0)	2011.01.16
CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요! (2)	2011.01.16
CUDA SDK 3.2 예제파일 변경점 (0)	2011.01.14

Posted by 구차니

CUDA 내장변수 - built in variable

CUDA의 kernel 부분에서 사용되는 내장변수는 다음과 같다.

아직 내용이 헷갈리지만 -_-

kernel<<<grid, thread_block>>>(vars, ... );

이런식으로 커널을 사용하는데

현재 block의 인덱스는 blockIdx에

현재 thread의 인덱스는 threadIdx에 들어간다.

blockDim 에는 전체 블럭의 카운트 값이 들어가는데

그렇다면 쓰레드의 전체 카운트 값은 어디에 들어갈려나?

아래는 Programming Guid에서 검색한 kernel 코드의 인덱스 부분

int row = blockIdx.y * blockDim.y + threadIdx.y;

int col = blockIdx.x * blockDim.x + threadIdx.x;

'Programming > openCL & CUDA' 카테고리의 다른 글

vectorAdd 를 이용한 CUDA 연습 (0)	2011.01.18
CUDA 메모리별 범위(scope) (0)	2011.01.17
CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요! (2)	2011.01.16
CUDA SDK 3.2 예제파일 변경점 (0)	2011.01.14
CUDA_Occupancy_calculator 내용 캡쳐 (0)	2011.01.14

Posted by 구차니

CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요!

귀찮아서 CUDA 3.2 SDK만 설치하고, CUDA Toolkit 3.2는 설치하지 않고

비쥬얼 스튜디오에서 3.2용 SDK 샘플 파일을 열려고 하니 다음과 같은 에러가 발생한다.

음.. C:\Program Files\Microsoft Visual Studio 9.0\VC\VCProjectDefaults\NvCudaRuntimeApi.rules 이 파일은 머지?

머 결론은 프로젝트 파일 열수 없음 배째! 라는 건데..

3.1과 3.2의 프로젝트 파일을 비교해보니

ToolFiles의 경로가 달라졌다 -_-

부랴부랴 Toolkit 3.2를 설치하는데

경로를 바꾸니 졸라 겁준다 -_-

줸장! 내가 쫄아서 "Yes" 누르는 건 아냐 ㅠ.ㅠ

아무튼 3.2 Toolkit을 설치하고 나니 이제야 파일이 생성되고, 제대로 프로젝트 파일이 열린다.

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 메모리별 범위(scope) (0)	2011.01.17
CUDA 내장변수 - built in variable (0)	2011.01.16
CUDA SDK 3.2 예제파일 변경점 (0)	2011.01.14
CUDA_Occupancy_calculator 내용 캡쳐 (0)	2011.01.14
CUDA Programming Model Overview 내용중 일부 (0)	2011.01.05

Posted by 구차니

Seti@home AstroPulse - 날 죽일셈이냐?

예상완료시간 583시간의 위엄 -_-

예상시간이라면 대략 24일 내내 돌려서 못 끝낼 건데

거기에 거의 빠듯하게 맞추어서 준 2011-02-10일 마감시간 ㅠ.ㅠ

으헝헝 요즘에 CUDA로 팍팍 돌린다고 이상한걸 나에게 던진 것 같은데 크윽!

그래도 10초씩 팍팍 줄어서 밤에만 꾸준히 돌려서 어떻게 될려나?

'프로그램 사용 > BOINC - seti@home' 카테고리의 다른 글

astropulse... 끝나긴 해? (0)	2011.04.21
BOINC 와 CUDA와 드라이버 (4)	2011.01.31
8800GT 512MB on BOINC (2)	2011.01.05
BOINC seti@home on WindowsXP SP3 32bit (0)	2010.10.31
BOINC with CUDA (2)	2010.10.17

Posted by 구차니

UFO:AI 2.3.1 한글화

추가된 부분보다는 과거의 번역내용을 옮기는 작업에 가까움.

ufoai-ko.zip

'모종의 음모 > UFO:AI 한글화' 카테고리의 다른 글

한글 맞춤법 검사 (0)	2011.12.17
UFO:AI SLI 시스템에서의 문제점 (5)	2011.01.08
UFO:AI 관련 프로젝트 (0)	2011.01.07
UFO:AI 2.3 (6)	2009.11.29
UFO:AI 2.3 용 po 파일 (2)	2009.11.27

Posted by 구차니

구차니의 잡동사니 모음

'잡동사니'에 해당되는 글 13155건

사과가 싫어 ㅠ.ㅠ

'개소리 왈왈' 카테고리의 다른 글

헉?! 윈도우 msn 털린건가?

'개소리 왈왈' 카테고리의 다른 글

CUDA에서 grid 와 thread 의 갯수에 대한 짧은생각

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 3.1과 3.2의 devicequery 결과 차이점

'Programming > openCL & CUDA' 카테고리의 다른 글

vectorAdd 를 이용한 CUDA 연습

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 메모리별 범위(scope)

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA 내장변수 - built in variable

'Programming > openCL & CUDA' 카테고리의 다른 글

CUDA Toolkit 3.2 - SDK와 Toolkit을 둘다 설치하세요!

'Programming > openCL & CUDA' 카테고리의 다른 글

Seti@home AstroPulse - 날 죽일셈이냐?

'프로그램 사용 > BOINC - seti@home' 카테고리의 다른 글

UFO:AI 2.3.1 한글화

'모종의 음모 > UFO:AI 한글화' 카테고리의 다른 글

카테고리

공지사항

태그목록

최근에 올라온 글

최근에 달린 댓글

티스토리툴바