利用微软Community Starter Kit创建图书馆网站

微软ASP.NET技术用在开发网站上具有代码安全、开发速度快等优点,但开发人员很常掌握这项技术的所有特点以及这项技术带来的优势。ASP.NET Starter Kit(asp.net启动工具包)为开发者提供了ASP.NET和.NET framework一个非常好的途径,通过该启动工具包能建立一个完整的应用程序解决方案。该文采用启动工具包里面的Community Starter Kit案例来开发图书馆网站。通过较长时间运行,该网站表现出很好的稳定性和实用性。     

Xircom令人爱不释手

尽管起步迟缓,USB外设终于还是迎头赶上。实际上,每台新式的台式机或移动PC都配备了至少一个USB端口,其它形式的端口正在迅速退出舞台,而打印机和其它设备只能使用老式接口。新型的XircomPortStation端口扩展系统就解决了这个问题。 PortStation目前有三种启动套件,都是由两个终端盖帽(一个用于方形USB上行端口,另一个用于自带的交流电源适配器)和不同的联接模块驵成,这些模块能插接在一起,并连在终端盖帽之间。 USB Hub Starter Kit(报价169美元)包括一个7端口的USB集线器。Connection Starter Kit(报价254美元)由一个标准的(单向)并行端口模块、一个双端口PS/2串行模块和一个4端口USB集线器组成。Office Communications Starter Kit(报价289美元)包括一个并行端口模块、一个双端口     

艾美加送Zip套装大礼包

美国艾美加公司最近推出的全新Zip Starter Kit大礼包可谓是一套较实惠的套装产品。已成为标准的该零售套装产品包括一个并口Zip     

8位嵌入式微控制器PicoBlaze的应用

介绍了Xilinx公司的8位微控制器软核PicoBaaze的结构、性能和基本开发流程;设计实现了基于PicoBlaze微控制器的串行异步通讯接口,并通过Spartan-3E Starter Kit开发板和计算机验证了设计的正确性.     

艾美加的套装大礼包

美国艾美加公司(Iomega Corporation)最近推出的全新Zip Starter Kit大礼包,受到了用户的广泛欢迎,现已成为标准的零售套装产品。该套装产品包括一个并口Zip软驱和4张100兆的彩色盘片,比单独出售的Zip软驱和彩色盘片更便宜。     

惠普工作站勇夺中国市场第一

8月4日，惠普宣布，其工作站产品在中国市场份额占据第一位置，市场份额达到53．8％。惠普展示了其工作站产品的创新技术，其中包括最新Z系列工作站解决方案、SkyRoom远程视频协同工作解决方案、Parallels Workstation Extreme专业图形计算虚拟化解决方案、相当于集群计算能力的GPU密集计算解决方案、独有的绿色节能技术等。     

科技动态

NIDays2006全球虚拟仪器技术盛会成功举办；Profibus国家标准及Profinet国家标准化指导性文件正式发布；研华提供PICMG1．3全面的解决方案；凌华科技HSL-qSTART Starter Kit上市；泛华测控对虚拟仪器技术服务不断完善；亚控科技和如意公司战略合作签约仪式在京成功举行；华北工控推出NORCO RWS-855。     

快速部署云平台 实现智慧的运算——IBM发布Power新一代企业级基础云平台

2011年12月7日,IBM正式发布了"云固基础,智算未来"Power Cloud战略,并推出了Power新一代企业级基础云平台(IaaS),并在业界率先提供全面完整的解决方案,以分别满足企业级云计算平台建设从虚拟化、到系统资源池、最终达到云服务管理的三个阶段的不同需求;同时,大会还隆重发布了"IBM基础架构云快速部署解决方案套件—Starter Kit     

基于模型的DDS芯片设计与实现

介绍了一种基于模型的DDS芯片的设计方法.根据DDS基本原理,在MATLAB环境下建立模型,用System Generator产生VHDL程序,并在ISE软件中编写仿真和控制程序,最后在Spartan-3E Starter Kit开发板上实现设计.与传统的FPGA编程设计方法相比,本文所介绍的方法可以避免繁琐的编程工作、节省时间并降低出错概率.实验结果证明了这种设计方法的可行性.     

多图像同态滤波的 CPU 和 GPU 并行计算磁

采取 CPU 分发图像滤波任务和回收滤波结果、将多个图像数据划分分配给多个 GPU 及其线程块、GPU 调用核函数库对图像进行傅里叶变换和反傅里叶变换的方法,设计实现了 CPU 和 GPU 协同计算的多图像同态滤波并行算法。实验结果表明,给出的多图像同态滤波并行算法高效,与单 GPU 计算的并行算法相比,多 GPU 协同计算的并行算法显著缩短了多个图像同态滤波处理所需的时间。     

一种适应GPU的混合OLAP查询处理模型

通用GPU因其强大的并行计算能力成为新兴的高性能计算平台,并逐渐成为近年来学术界在高性能数据库实现技术领域的研究热点.但当前GPU数据库领域的研究沿袭的是ROLAP(relational OLAP)多维分析模型,研究主要集中在关系操作符在GPU平台上的算法实现和性能优化技术,以哈希连接的GPU并行算法研究为中心.GPU拥有数千个并行计算单元,但其逻辑控制单元较少,相对于CPU具有更强的并行计算能力,但逻辑控制和复杂内存管理能力较弱,因此并不适合需要复杂数据结构和复杂内存管理机制的内存数据库查询处理算法直接移植到GPU平台.提出了面向GPU向量计算特性的混合OLAP多维分析模型semi-MOLAP,将MOLAP(multidimensionalOLAP)模型的直接数组访问和计算特性与ROLAP模型的存储效率结合在一起,实现了一个基于完全数组结构的GPU semi-MOLAP多维分析模型,简化了GPU数据管理,降低了GPU semi-MOLAP算法复杂度,提高了GPU semi-MOLAP算法的代码执行率.同时,基于GPU和CPU计算的特点,将semi-MOLAP操作符拆分为CPU和GPU平台的协同计算,提高了CPU和GPU的利用率以及OLAP的查询整体性能.     

GPU的通用计算应用研究

由于图形处理器（GPU）最近几年迅速发展,国内外学者已经将基于GPU的通用计算作为一个新的研究领域。本文在研究国外最新文献的基础上,分析了GPU本身的特性,阐明了基于GPU的应用程序的结构,研究了GPU在编程方法上与普通CPU的差别,并以高斯滤波为实例详细描述了GPU编程的方法和过程。     

GPU通用计算：计算领域的一次革命

随着GPU功能越来越强大,特别是CUDA的推出,在全世界范围内掀起了一场对GPU通用计算的研究热潮,本文在研究国内最新文献的基础上,从GPU通用计算的发展历程、架构优势、发展方向等方面对其进行了深入解读,提出了GPU通用计算发展普及的一些有效建议。     

GPU通用计算的发展及其应用领域综述

GPU的概念提出后,经过十几年的迅速发展,GPU凭借其超高的计算密度以及超大的存储器带宽已经在图形图像、医疗、高性能计算、计算机网络等领域取得了突出的成果和广泛认可,本文通过了解GPU通用计算的发展历程以及追踪国内外最新的GPU通用计算技术来阐述其在相关领域的应用.     

一种基于Dual-GPU的三次卷积插值并行算法研究

针对传统三次卷积插值算法实现遥感图像放大在运算规模、计算速度等方面的不足,结合GPU的高性能计算优势,提出一种基于Dual-GPU(Graphic Processing Unit)的三次卷积插值并行算法(CCPA),即应用GPU的高性能计算技术将传统的三次卷积插值算法进行并行化处理,将图像的像素点个数平均分配给每个线程块,每个线程针对一个像素,线程在GPU中同时执行,以提高其插值效率。实验结果表明,该算法在保持放大后图像质量的同时,速度得到提升,随着图像分辨率的增大,该算法的优势更明显,在分辨率10240*10240的情况下,用GPU处理的速度比CPU提升了97.7%,用双GPU处理的速度是单GPU的2倍,并且在对放大遥感图像的质量和实时性均要求较高如地震、洪水等灾害的情况下,该算法具有实用价值。     

光线追踪的OpenCL加速实现研究

目前GPU计算能力让kD-Tree划分实时场景光线追踪并行算法的执行变得更具有可行性。图像处理器(GPU)高效应用于多边形的渲染,GPU内部单元的可编程性已经让其广泛应用于多边形渲染以外的领域。本文详细描述使用OpenCL的kD-Tree遍历算法,对运算占主要部分的相交测试作出改进,同时提高了GPU计算能力与存储器的利用率,从而提升了光线追踪算法效率。     

GPU通用计算研究

随着图形硬件的快速发展,GPU的通用计算已经成为了一个新的研究领域。本文分析GPU编程模型,介绍使用图形硬件进行通用计算的方法,并把一些常用的算法映射到了GPU上。通过这些算法与CPU上对应的算法进行比较,分析使用GPU进行通用计算的优势和劣势。     

基于GPU的高性能并行计算技术

为研究基于GPU的高性能并行计算技术,利用集成448个处理核心的NVIDIA GPU GTX470实现了脉冲压缩雷达的基本数据处理算法,包括脉冲压缩算法与相参积累算法;同时根据GPU的并行处理架构,将脉冲压缩、相参积累算法完成了并行优化设计,有效地将算法并行映射到GPU GTX470的448个处理核心中,完成了脉冲压缩雷达基本处理算法的GPU并行处理实现;最后验证了并行计算的结果,并针对处理结果效果与实时性进行了评估。     

基于GPU的串匹配算法研究

BF算法是串匹配算法中最基础的算法，但它是串行算法，不适合图形处理器（Graphic Processing Unit, GPU）的体系结构。结合GPU的特殊体系结构，通过数据存取方式和计算策略的改进，充分利用了GPU的并行处理能力，从而基于GPU实现了BF算法。实验结果表明基于GPU的并行算法能够取得较好的加速比，同时也给出了在现有GPU架构上有效实现通用计算的瓶颈。     

GPU通用计算及其在计算智能领域的应用

在日趋复杂的图形处理任务的推动下,GPU已经演化成为具有众多计算核心、计算能力强大的通用计算设备,并被越来越多地应用于图形处理之外的计算领域。GPU具有高并行、低能耗和低成本的特点,在数据并行度高的计算任务中,相比与传统的CPU平台有着显著的优势。随着GPU体系结构的不断演进以及开发平台的逐步完善,GPU已经进入到高性能计算的主流行列。GPU通用计算的普及,使个人和小型机构能有机会获得以往昂贵的大型、超级计算机才能提供的计算能力,并一定程度上改变了科学计算领域的格局和编程开发模式。GPU提供的强大计算能力极大地推动了计算智能的发展,并且已经在深度学习和群体智能优化方法等子领域获得了巨大的成功,更是在图像、语音等领域取得了突破性的进展。随着人工智能技术和方法的不断进步,GPU将在更多的领域获得更加广泛的应用。