- 综合排序
- 最热优先
- 最新优先
- 来自专栏GPUS开发者
DAY47:阅读read only cache和Time Function
T __ldg(const T* address); returns the data of type T located at address address, where T is char, short 用户可以直接将__ldg()看成是一个作用于隐形的texture, 其后备存储覆盖了整个global memory的线性存储, 这样来用。 特别里手册中提到的const type * __restrict__ p形式的指针. (2)如果怕编译器的自动处理不保险, 你总是可以要求使用手工__ldg()函数来手工利用该cache. 然后还需要说明的是: 到了计算能力5.0+(Maxwell/Pascal...), 形式又发生了变化, 虽然取消了read-only cache, 但是__ldg依然有效.在5.0的Maxwell上, 总之虽然read-only cache不在了, 但是__ldg的效果依然存在.
79310发布于 2018-08-01 - 来自专栏GiantPandaCV
LightSeq: Transformer高性能加速库
hidden_size; for (uint idx = threadIdx.x; idx < hidden_size; idx += blockDim.x) { float4 vscale = __ldg ((const float4 *)scale + idx); float4 vbias = __ldg((const float4 *)bias + idx); float4 val =
1.3K30发布于 2021-08-19 - 来自专栏GPUS开发者
DAY81：阅读Compute Capability 5.x
cached in the unified L1/texture cache described in the previous section by reading it using the __ldg When the compiler detects that the read-only condition is satisfied for some data, it will use __ldg( ， 我并没有使用纹理， 然后profiler报告，纹理读取吞吐率为XXX GB/s，这是因为它们两个现在合并成一个了，用户按照本章节说明的const __restrict__修饰过的指针，或者像是__ldg 这两代卡实际上可以观察到，例如某些较小的查找表，试图用__ldg在L1中查表，然后用户经常会惊喜（惊讶）的发现，改动改动代码，突然L1就完全失速了（表面），查找表的访问性能突然下降了一个数量级。
84530发布于 2018-10-23 - 来自专栏GPUS开发者
DAY80：阅读Compute Capability 3.x
also be cached in the read-only data cache described in the previous section by reading it using the __ldg When the compiler detects that the read-only condition is satisfied for some data, it will use __ldg( 此外，对普通用户最重要的是，对于只读的数据，提供了一个__ldg()函数。该函数能够在计算能力3.5+/5.X/6.X上，对很多应用起到显著的提速效果。 用户可以直接将__ldg()看成是一个隐形的纹理，自动覆盖了整个显存。用它就可以在计算能力3.5+上自动的利用纹理（或者等效的）缓存，而不需要手写纹理访问的代码。很是方便。
78240发布于 2018-10-23 - 来自专栏Listenlii的生物信息笔记
Nature microbiology:全球污水处理厂细菌群落揭秘！
本文提出了五个问题： (1)活性污泥微生物群落的全球多样性程度如何(2)活性污泥工艺中是否存在跨大陆的核心微生物群(3)活性污泥微生物群落是否具有纬向多样性梯度(LDG)(4)微生物多样性对活性污泥工艺的功能性重要吗 (3)活性污泥微生物群落是否具有纬向多样性梯度(LDG)中纬度丰度最高。曲线为基于最小二乘回归的多项式拟合。颜色表示全年平均气温。 不同尺度上的DDR。
1.3K31发布于 2020-05-29 - 来自专栏Fish
剖析NVIDIA Volta架构之指令篇
/* 0x000f8800fe2007f1 */ /*0288*/ @P5 LDG.E.CI R66, [R86+0x100]; /* 0xeed4a00010055642 */ /* P5 MOV R66, RZ; /* 0x5c9807800ffd0042 */ /*0298*/ @P6 LDG.E.CI R67, [R86+0x180];
80740发布于 2019-05-28 - 来自专栏GPUS开发者
CUDA优化的冷知识18| texture和surface
例如5.0的maxwell的卡, 对于普通的读取不能使用L1/read-only cache, 而texture和另外一种只读的读取方式(不维持一致性(NC)只读读取, 或者常见的__ldg()之类),
1.4K30发布于 2021-02-05 撞库攻击再现：第三位DraftKings黑客认罪揭示认证安全短板
aeYFGlNGPch5/i0AskAWpmMVXj3lzK9JFM/1O1GWF7BfCwXFnSnjqctpFe+vXb/L03UKWI8DwmaRoWzcZX+nm0uWHMbHu8HRTZBdrGM3lDg
16710编辑于 2025-12-16- 来自专栏GiantPandaCV
【BBuf的CUDA笔记】十一，Linear Attention的cuda kernel实现补档（文末送书
float ldg_v = valid_vo ? *ptr_v : 0.f; // 这部分代码根据是正向还是反向计算来更新 Q、K 和 V 的指针。 if( tidx < COLS_PER_ITER ) { smem_v[tidx] = ldg_v; } // 确保所有线程都完成了对共享内存的写操作，然后再进行后续计算。
37710编辑于 2024-01-05 - 来自专栏FreeBuf
如何使用Badsecrets检测Web框架中的敏感信息
2F1uXJncwC8egLu82JY9maweI0VmJSmRcTf0evxqqe7vc9MqpsUlpSVNh4bFnxVIo5E4PGX70kVaTFe0vu1YdGKmFX5PLvkmWIf%2FnwfgPMqYsa0%2F09trboJ5LGDEQRXSBb7ldG
86220编辑于 2023-09-08 - 来自专栏信数据得永生
PyTorch 2.2 中文官方教程（十七）
0.00% 7.846ms 156.920us 50 ampere_fp16_s1688gemm_fp16_128x128_ldg8 2.377ms 23.47% 2.377ms 95.080us 25 ampere_fp16_s1688gemm_fp16_128x128_ldg8 76.49% 7.843ms 156.860us 50 ampere_fp16_s1688gemm_fp16_128x128_ldg8 2.383ms 23.51% 2.383ms 95.320us 25 ampere_fp16_s1688gemm_fp16_128x128_ldg8
1.8K10编辑于 2024-02-05 - 来自专栏自动化测试工具
vue07登陆注册--跨域请求问题+ base64编码+axios使用+面试题【v-bind和v-modul和{{}}的区别】
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
1.2K20编辑于 2022-11-18 - 来自专栏全栈程序员必看
金蝶K3数据库表名对应及表说明[通俗易懂]
万能报表字段描述 1 0 0 47 t_SonCompany 分支机构 分支机构 0 0 0 48 t_VoucherTplType 凭证事务表 凭证事务表 0 0 0 49 t_LedgerPageSetup Ldg 页面设置表 Ldg页面设置表 1 0 0 50 t_Organization 客户表 客户资料 0 0 0 51 t_Kds_Report 二次开发平台报表 存放二次开发平台的报表 1 0 0 52 t_Kds_ReportClass
7.5K11编辑于 2022-06-28 - 来自专栏全栈程序员必看
金蝶K3 WISE所有单据数据库内码及描述对照表[通俗易懂]
t_SonCompany 分支机构 分支机构 47 t_VoucherTplType 凭证事务表 凭证事务表 48 t_LedgerPageSetup Ldg 页面设置表 Ldg页面设置表 49 t_Organization 客户表 客户资料 50 t_Kds_Report 二次开发平台报表 存放二次开发平台的报表
6.5K22编辑于 2022-11-08 - 来自专栏小锋学长生活大爆炸
【翻译】Efficient Data Loader for Fast Sampling-Based GNN Training on Large Graphs
我们实现了基于线性确定性贪婪（LDG） [20] 的分区算法，这是一种基于流的分区解决方案。
88740编辑于 2023-10-17 - 来自专栏全栈程序员必看
Data URI scheme「建议收藏」
helywJ9EmDnrySHLS2pBSPneipCQNPQvYvNI2QzTymCPBJt57a9Zc4F57cn6QDUQu2CIO3mVjifNSKm1keMATLjbUN3m79+/fa88995x95CO/Y9dd9z7r7MJNOHJ6YW+Ldg1bX3
97560编辑于 2022-11-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号