این یک برنامه لینوکس به نام CUDA.jl است که آخرین نسخه آن را می‌توانید با نام v5.8.2sourcecode.tar.gz دانلود کنید. این برنامه را می‌توان به صورت آنلاین در ارائه دهنده خدمات میزبانی رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.
این برنامه با نام CUDA.jl را به صورت رایگان با OnWorks دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
اسکرین شات ها:
CUDA.jl
DESCRIPTION:
برنامه‌نویسی GPU با کارایی بالا به زبانی سطح بالا. JuliaGPU یک سازمان GitHub است که برای یکپارچه‌سازی بسته‌های متعدد برای برنامه‌نویسی GPUها در Julia ایجاد شده است. Julia با سینتکس سطح بالا و کامپایلر انعطاف‌پذیر خود، موقعیت مناسبی برای برنامه‌نویسی کارآمد شتاب‌دهنده‌های سخت‌افزاری مانند GPUها بدون کاهش عملکرد دارد. آخرین نسخه توسعه CUDA.jl به Julia 1.8 یا بالاتر نیاز دارد. اگر از نسخه قدیمی‌تر Julia استفاده می‌کنید، باید از نسخه قبلی CUDA.jl استفاده کنید. این کار به طور خودکار هنگام نصب بسته با استفاده از مدیر بسته Julia انجام می‌شود.
امکانات
- CUDA.jl نسخه ۴.۴ آخرین نسخه با پشتیبانی از CUDA 4.4-11.0 خواهد بود (در نسخه ۵.۰ منسوخ شده است).
- CUDA.jl دارای یک انتزاع آرایه کاربرپسند است که کار با پردازنده‌های گرافیکی NVIDIA CUDA را با استفاده از زبان برنامه‌نویسی Julia آسان‌تر می‌کند.
- این بسته، کامپایلری برای نوشتن هسته‌های CUDA در جولیا ارائه می‌دهد که به توسعه‌دهندگان امکان می‌دهد کد مخصوص GPU را در محیط جولیا بنویسند.
- CUDA.jl بسته‌هایی (wrappers) برای کتابخانه‌های مختلف CUDA ارائه می‌دهد که ادغام قابلیت‌های CUDA موجود در برنامه‌های Julia را ساده می‌کند.
- آخرین نسخه توسعه‌یافته CUDA.jl به Julia 1.8 یا بالاتر نیاز دارد و سازگاری با آخرین نسخه‌های زبان برنامه‌نویسی Julia را تضمین می‌کند.
- برای استفاده از CUDA.jl، یک پردازنده گرافیکی (GPU) با قابلیت پشتیبانی از CUDA و قابلیت محاسبه 3.5 (Kepler) یا بالاتر، به همراه درایور NVIDIA که از CUDA 11.0 یا جدیدتر پشتیبانی می‌کند، مورد نیاز است.
زبان برنامه نویسی
جولیا
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/cuda-jl.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش از یکی از سیستم‌های عامل رایگان ما به صورت آنلاین اجرا کرد.