可以應用cuda的股票軟體

① 支持CUDA加速的轉碼軟體

CUDA(Compute Unified Device Architecture)，顯卡廠商NVidia推出的運算平台。 CUDA�6�4是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。 它包含了CUDA指令集架構（ISA）以及GPU內部的並行計算引擎。 開發人員現在可以使用C語言來為CUDA�6�4架構編寫程序，C語言是應用最廣泛的一種高級編程語言。所編寫出的程序於是就可以在支持CUDA�6�4的處理器上以超高性能運行。 將來還會支持其它語言，包括FORTRAN以及C++。簡單的說，，，一般的軟體轉格式的時候，完全由cpu去完成，所以轉格式時cpu佔有率會非常的高，好像雙核的都會佔70%的cpu，對cpu傷害較大，而且cpu佔用率一高，玩起來也會覺得很卡，使用一些軟體可以將大部分工作交給顯卡完成，而顯卡在一般情況都是沒發揮大作用（玩大型游戲的人除外），這樣不但可以大大的降低cpu使用率，玩起來較順，對cpu傷害沒那麼大，還充分發揮顯卡的作用，而且轉換速度會比一般的軟體要快。。所以，最好是使用支持cuda的軟體轉格式。暴風影音貌似不支持cuda加速，格式工廠好像也不支持。推薦魔影工廠，支持cuda顯卡加速，而且可以轉任何格式視頻。還有其他支持cuda的軟體有MediaCoder、Badaboom。我就知道這幾種，但我相信還有其他我不知道的，那就靠樓主自己慢慢找了，找到告訴我吧，我也想知道其他的

② 推薦幾個支持cuda的轉碼工具

訊連科技（開發powerdvd那個）的mediaespresso-媒體轉換器，反正軟體界面上有cuda標志速度很快，同編碼的一首mv高碼率轉低碼率非常快，一秒就3%，轉換其他編碼的話一秒進度1%，還是很快， 刻意轉換成avi、m2ts、mpg、mp4、wmv格式，可設置的解析度和碼率都很高，效果比暴風轉碼類的好多了。音頻可設置dolby digital 256k和lpcm1536，可惜不能轉換成aac

③ 跪求電腦軟體高手, 會安裝CUDA 程序的, 因為我買的挺好的顯卡, CPU 不怎麼樣, 想讓GPU幫助CPU運算, 有人會

CUDA 是輔助用的程序。如果你不需要視頻轉換，或者不用新版PS做圖的話。就沒什麼用。有些游戲也支持CUDA加速。前提看你要做什麼事情。如果不是做一些專業的程序，CUDA還很弱。因為支持的還不夠多。如果用視頻轉換。推薦MEDIACODER。這個軟體比較麻煩。但是支持CUDA。還有就是魔影工廠。只要選擇正確，就可以看到轉換速度的提升

④ 哪些軟體支持 CUDA 加速

SonicStage是音頻軟體，和CUDA的圖形加速是兩碼事。所以是不支持的。

NVIDIA CUDA技術是當今世界上唯一針對NVIDIA GPU（圖形處理器）的C語言環境，為支持CUDA技術的NVIDIA GPU（圖形處理器）帶來無窮的圖形計算處理性能。
CUDA讓GPU超強的計算能力開始在通用計算領域大有可為，而簡單易用的開發環境讓CUDA開始平民化，主導起GPU挑戰CPU主導電腦計算處理格局的革命。

SonicStage是新力推出的隨身聽Walkman用的音樂管理程式、它適用於微軟Windows操作系統，最初版本為1999年推出OpenMG Jukebox（初時並未使用SonicStage這個名字），它可以用於筆記型電腦VAIO和NetMD隨身聽上，其後OpenMG Jukebox被納入Sonic Stage 2.0。

⑤ ads 開啟cuda加速

方法如下
1、使用CUDA加速的軟體，安裝了顯卡驅動之後就可以了（Geforce卡就可以支持）。
2、顯卡驅動中已包含了CUDA運行庫文件，不需要在系統中手動配置環境變數。但部份支持CUDA加速的軟體，可能需要在設置項或首選項中開啟CUDA加速。

⑥ CUDA是什麼主要應用在什麼地方

CUDA是顯卡廠商NVIDIA推出的運算平台，主要運用在顯卡方面。

CUDA是NVIDIA的通用並行計算架構，使gpu能夠解決復雜的計算問題。它包括CUDA指令集架構（ISA）和GPU內部的並行計算引擎。開發人員可以使用C語言編寫CUDA架構的程序，在支持CUDA的處理器上運行超高性能。CUDA3．0已經支持c＋＋和FORTRAN。

發展現況：

支持CUDA的gpu已經售出了超過1億，成千上萬的軟體開發人員正在使用免費的CUDA軟體開發工具來解決專業和家庭應用中的問題。這些應用范圍從視頻和音頻處理和物理效果模擬到石油和天然氣勘探、產品設計、醫學成像和科學研究。

CUDA的核心是三個重要的抽象：線程組層次結構、共享存儲和barrier同步，這可以很容易地暴露給程序員，作為C語言的最小擴展。

CUDA軟體棧由幾個層組成，一個硬體驅動程序、一個應用程序編程介面（API）及其運行時，以及兩個高級通用數學庫CUFFT和CUBLAS。硬體被設計為支持輕量級驅動程序和運行時層，從而提高性能。

⑦ 挖礦軟體guiminer n卡gf310 可以使用cuda嗎

可以，但效率低，N卡不推薦挖礦，賺不回電費

⑧ cuda主要用於哪。具體是什麼。

CUDA CUDA(Compute Unified Device Architecture)，顯卡廠商NVidia推出的運算平台。 CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。 它包含了CUDA指令集架構（ISA）以及GPU內部的並行計算引擎。 開發人員現在可以使用C語言來為CUDA架構編寫程序，C語言是應用最廣泛的一種高級編程語言。所編寫出的程序於是就可以在支持CUDA的處理器上以超高性能運行。 將來還會支持其它語言，包括FORTRAN以及C++。 隨著顯卡的發展，GPU越來越強大，而且GPU為顯示圖像做了優化。在計算上已經超越了通用的CPU。如此強大的晶元如果只是作為顯卡就太浪費了，因此NVidia推出CUDA，讓顯卡可以用於圖像計算以外的目的。 目前只有G80、G92、G94和GT200平台的NVidia顯卡才能使用CUDA，工具集的核心是一個C語言編譯器。G80中擁有128個單獨的ALU，因此非常適合並行計算，而且數值計算的速度遠遠優於CPU。 CUDA的SDK中的編譯器和開發平台支持Windows、Linux系統，可以與Visual Studio2005集成在一起。 Geforce8CUDA（Compute Unified Device Architecture）是一個新的基礎架構，這個架構可以使用GPU來解決商業、工業以及科學方面的復雜計算問題。它是一個完整的GPGPU解決方案，提供了硬體的直接訪問介面，而不必像傳統方式一樣必須依賴圖形API介面來實現GPU的訪問。在架構上採用了一種全新的計算體系結構來使用GPU提供的硬體資源，從而給大規模的數據計算應用提供了一種比CPU更加強大的計算能力。CUDA採用C語言作為編程語言提供大量的高性能計算指令開發能力，使開發者能夠在GPU的強大計算能力的基礎上建立起一種效率更高的密集數據計算解決方案。 從CUDA體系結構的組成來說，包含了三個部分：開發庫、運行期環境和驅動（表2）。 開發庫是基於CUDA技術所提供的應用開發庫。目前CUDA的1.1版提供了兩個標準的數學運算庫——CUFFT（離散快速傅立葉變換）和CUBLAS（離散基本線性計算）的實現。這兩個數學運算庫所解決的是典型的大規模的並行計算問題，也是在密集數據計算中非常常見的計算類型。開發人員在開發庫的基礎上可以快速、方便的建立起自己的計算應用。此外，開發人員也可以在CUDA的技術基礎上實現出更多的開發庫。 運行期環境提供了應用開發介面和運行期組件，包括基本數據類型的定義和各類計算、類型轉換、內存管理、設備訪問和執行調度等函數。基於CUDA開發的程序代碼在實際執行中分為兩種，一種是運行在CPU上的宿主代碼（Host Code），一種是運行在GPU上的設備代碼（Device Code）。不同類型的代碼由於其運行的物理位置不同，能夠訪問到的資源不同，因此對應的運行期組件也分為公共組件、宿主組件和設備組件三個部分，基本上囊括了所有在GPGPU開發中所需要的功能和能夠使用到的資源介面，開發人員可以通過運行期環境的編程介面實現各種類型的計算。 由於目前存在著多種GPU版本的NVidia顯卡，不同版本的GPU之間都有不同的差異，因此驅動部分基本上可以理解為是CUDA-enable的GPU的設備抽象層，提供硬體設備的抽象訪問介面。CUDA提供運行期環境也是通過這一層來實現各種功能的。目前基於CUDA開發的應用必須有NVIDIA CUDA-enable的硬體支持，NVidia公司GPU運算事業部總經理Andy Keane在一次活動中表示：一個充滿生命力的技術平台應該是開放的，CUDA未來也會向這個方向發展。由於CUDA的體系結構中有硬體抽象層的存在，因此今後也有可能發展成為一個通用的GPGPU標准介面，兼容不同廠商的GPU產品 CUDA 工具包是一種針對支持CUDA功能的GPU（圖形處理器）的C語言開發環境。CUDA開發環境包括: · nvcc C語言編譯器 · 適用於GPU（圖形處理器）的CUDA FFT和BLAS庫 · 分析器 · 適用於GPU（圖形處理器）的gdb調試器（在2008年3月推出alpha版） · CUDA運行時（CUDA runtime）驅動程序（目前在標準的NVIDIA GPU驅動中也提供） · CUDA編程手冊 CUDA開發者軟體開發包（SDK）提供了一些範例（附有源代碼），以幫助使用者開始CUDA編程。這些範例包括: · 並行雙調排序 · 矩陣乘法 · 矩陣轉置 · 利用計時器進行性能評價 · 並行大數組的前綴和（掃描） · 圖像卷積 · 使用Haar小波的一維DWT · OpenGL和Direct3D圖形互操作示例 · CUDA BLAS和FFT庫的使用示例 · CPU-GPU C—和C++—代碼集成 · 二項式期權定價模型 · Black-Scholes期權定價模型 · Monte-Carlo期權定價模型 · 並行Mersenne Twister（隨機數生成） · 並行直方圖 · 圖像去噪 · Sobel邊緣檢測濾波器 · MathWorks MATLAB® 新的基於1.1版CUDA的SDK 範例現在也已經發布了。 技術功能 ·在GPU（圖形處理器）上提供標准C編程語言 · 為在支持CUDA的NVIDIA GPU（圖形處理器）上進行並行計算而提供了統一的軟硬體解決方案 · CUDA兼容的GPU（圖形處理器）包括很多：從低功耗的筆記本上用的GPU到高性能的，多GPU的系統。 · 支持CUDA的GPU（圖形處理器）支持並行數據緩存和線程執行管理器 · 標准FFT（快速傅立葉變換）和BLAS（基本線性代數子程序）數值程序庫 · 針對計算的專用CUDA驅動 · 經過優化的，從中央處理器（CPU）到支持CUDA的GPU（圖形處理器）的直接上傳、下載通道 · CUDA驅動可與OpenGL和DirectX圖形驅動程序實現互操作 · 支持Linux 32位/64位以及Windows XP 32位/64位 操作系統 · 為了研究以及開發語言的目的，CUDA提供對驅動程序的直接訪問，以及匯編語言級的訪問 NVIDIA進軍高性能計算領域，推出了Tesla&CUDA高性能計算系列解決方案，CUDA技術，一種基於NVIDIA圖形處理器（GPU）上全新的並行計算體系架構，讓科學家、工程師和其他專業技術人員能夠解決以前無法解決的問題，作為一個專用高性能GPU計算解決方案，NVIDIA把超級計算能夠帶給任何工作站或伺服器，以及標准、基於CPU的伺服器集群 CUDA是用於GPU計算的開發環境，它是一個全新的軟硬體架構，可以將GPU視為一個並行數據計算的設備，對所進行的計算進行分配和管理。在CUDA的架構中，這些計算不再像過去所謂的GPGPU架構那樣必須將計算映射到圖形API（OpenGL和Direct 3D）中，因此對於開發者來說，CUDA的開發門檻大大降低了。CUDA的GPU編程語言基於標準的C語言，因此任何有C語言基礎的用戶都很容易地開發CUDA的應用程序。 由於GPU的特點是處理密集型數據和並行數據計算，因此CUDA非常適合需要大規模並行計算的領域。目前CUDA除了可以用C語言開發，也已經提供FORTRAN的應用介面，未來可以預計CUDA會支持C++、Java、Python等各類語言。可廣泛的應用在圖形動畫、科學計算、地質、生物、物理模擬等領域。 2008年NVIDIA推出CUDA SDK2.0版本，大幅提升了CUDA的使用范圍。使得CUDA技術愈發成熟 目前，支持CUDA的GPU銷量已逾1億，數以千計的軟體開發人員正在使用免費的CUDA軟體開發工具來解決各種專業以及家用應用程序中的問題。這些應用程序從視頻與音頻處理和物理效果模擬到石油天然氣勘探、產品設計、醫學成像以及科學研究，涵蓋了各個領域。 目前市面上已經部署了超過一億顆支持CUDA的GPU，數以千計的軟體開發人員正在使用免費的CUDA軟體工具來為各種應用程序加速。 CUDA 的核心有三個重要抽象概念： 線程組層次結構、共享存儲器、屏蔽同步（ barrier synchronization），可輕松將其作為C 語言的最小擴展級公開給程序員。 CUDA 軟體堆棧由幾層組成，一個硬體驅動程序，一個應用程序編程介面(API) 和它的Runtime， 還有二個高級的通用數學庫，CUFFT 和CUBLAS。硬體被設計成支持輕 量級的驅動和Runtime 層面，因而提高性能。

⑨ 請問哪些地方可以用到nvidia的CUDACUDA的作用大嗎，比如轉碼時它會對轉碼性能提升很多嗎

CUDA是Nvidia的通用計算平台語言，只要你想用Nvidia的GPU參與通用計算，就需要用到CUDA
CUDA本身僅僅是Nvidia提供的工具，至於怎麼用，就是開發者的意願了。它可以被用在轉碼軟體中，使轉碼過程經由GPU進行加速。或者用於數學計算中，利用CUDA編程，讓GPU參與到方程組的計算中，加速計算過程，尤其是一些並行度高的計算，更適合通過CUDA進行GPU計算。

⑩ 有什麼格式轉換軟體可以用到N卡的CUDA啊

暴風轉碼、影音轉碼快車MediaCoder 、小日本TMPGEnc 4.0 XPress、Badaboom等等……

但是我不得不給你潑一下冷水：
如果你的CPU非常強勁，CUDA不僅不會提高你的轉碼速度，反而還會有降低（這個是官方提示，詳見http://..com/question/178231917.html ）。
在我的E2200CPU和8600GT上面，關閉CUDA的速度比開啟CUDA的速度還要快10%左右。