搜索资源列表
gpuinfo
- 获取 gpu 信息,源码，好东西，有用。(get gpu info of your system.)
GPUZv2.5.0
- Gpu检测工具，v2.5.0稳定版本，完美检测GPU(GPU test tool very good)
maha_distance_new
- calculate mahalabonis distance on GPU
vaovbo渲染三角形
- 在windows平台上使用opengl进行绘图，使用vbo将顶点缓冲至gpu，再进行绘制(Drawing on the windows platform using OpenGL, using VBO to buffer the vertices to GPU, and then draw)
4_GPUIntro
- GPU 基本介绍 包括GPU与GPGPU的兴起，GPU加速与高性能计算，Nvidia CUDA简介。(The Basic Introduction of GPU)
cuda_code
- 利用GPU的多线程，借助cuda实现给定矩阵的求逆代码(calculate the inverse of a given matrix with cuda implementation)
Matrix-Inversion-with-CUDA-master
- 利用cuda完成GPU编程，实现对给定矩阵的求逆操作(a cuda code for calculating a inverse matrix of a given matrix)
线程协作
- 这个程序是通过GPU加速，运用CUDA编程来生成波纹。主要运用了GPU中线程协作，使计算更加高效。(This program is accelerated through GPU and uses CUDA programming to generate ripples. The main use of GPU in the thread collaboration, making the calculation more efficient.)
GpuSearchfinal
- 实现路由查找IP地址的功能，并且通过GPU实现并行加速(Implement the function of routing lookup IP addresses and implement parallel acceleration through GPU)
RSA GPU实现
- RSA算法运用cpu和gpu并行实现（C语言版）(RSA algorithm is implemented in parallel with CPU and GPU (C language version).)
CUBLAS_Library
- GPU手册文档，学习必备。特别适合新手学习和写代码(GPU manual documents, learning must be necessary. Especially suitable for beginners to learn and write code)
iMX6系统2D/3D/VG GPU linux动态调用库
- 适用于iMX6系统中包含2D, 3D, VG GPU处理器, linux动态库.用于开发基于iMX6系列的OpenGL ES 程序主调用的动态链接库
GPU-BA
- 光束法区域网平差的GPU实现，减少对内存的占用，并行处理加快速度。(The GPU implementation of bundle adjustment of regional network reduces the occupation of memory and speeds up parallel processing.)
win10配置tensorflow gpu版不用装CUDA
- 这是本人写的一篇安装tensorflow的方法，用于win10系统，gpu版(This is an article written by myself for installing tensorflow gpu version.)
Real Time Rendering.3rd.pdf
- Real Time Rendering.3rd.pdf， 学习gpu的很好书籍(Real Time Rendering.3rd.pdf, learn gpu good book)
GPU精粹1
- 图形学相关学习，以及shader技术的应用。从GPU角度入手的学习旅程。总共3部，这是第一部
Hands-On-GPU-Accelerated-Computer-Vision-with-OpenCV-and-CUDA-master
- Hands-On-GPU-Accelerated-Computer-Vision-with-OpenCV-and-CUDA-master源码
获得GPU存储性能的四种方法
- 支持AI人工智能和ML机器学习部署的数据中心依靠基于图形处理单元(GPU)的服务器为其计算密集型架构提供支持。到2024年，在多个行业中，GPU使用量的增长将使GPU服务器的复合年增长率超过
GPU和虚拟化技术对ADAS平台的重要性
- 近几十年来，图形处理器(GPU)已从最初作为大型电玩的视频显示适配器演进为一个强大的计算中心，并且正在推动人工智能和机器学习的发展，包括从石油和天然气勘探到自然语言处理等众多领域的计算工作。如今，GPU正在自动驾驶和先进驾驶辅助系统(ADAS)技术的发展中扮演着越来越重要的作用。
shiyan1
- 利用多GPU进行分布式训练,用的是tensorflow的Keras平台(Distributed Training Using Multi-GPU)