搜索资源列表
GPU-course
- 自己收集整理的关于GPU的编程环境安装，配置，编程，应用技巧等众多网络上的优秀文章和资源，非常的实用和丰富。主要是针对NVIDIA公司的CUDA的，开发平台包括Linux和VS2005,VS2008,VS2010。-Collected on their GPU programming environment installation, configuration, programming, application techniques and many excellent articles on
ubuntuPopencv(GPU)
- 在linux环境下配置opencv(带GPU模块)，用户需要事先安装好cuda。-environment setting:opencv(GPU)+ubuntu
GPUcluster_SC2004
- GPU Cluster for High Performance Computing
gpu
- 针对平行分割阴影图算法中当光线方向与视线方向不垂直时,场景中对象被冗余渲染到多层阴影图中的问 题,提出一种基于GPU 的光源空间平行分割阴影图算法. 在光源空间中,利用光源视锥体将场景划分为不相交的多 层区域,利用GPU 为各层生成阴影图,以确保场景采样点不在多层阴影图中重复出现 同时给出了一种快速综合场 景阴影效果的绘制方法,通过避免判断像素层次的操作提高了GPU 的利用率. 实验结果表明,文中算法解决了平行 分割阴影图算法的冗余渲染问题,提高了渲染效率和场景阴影质量.-Lig
SAXS-polymer
- GPU并行计算与MATLAB相结合能大大缩短计算时间，提高运算效率-GPU parallel computing and MATLAB can greatly reduce the computation time and improve the operation efficiency.
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
网络硬件加速器在自动驾驶计算平台的作用
- 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。
GPU和神经网络加速器芯片如何为汽车应用提供智能优势
- 汽车行业是推动人工智能(AI)发展的重要行业之一，这是因为该行业致力于自动驾驶汽车和高级驾驶员辅助系统(ADAS)的泛在利益。汽车正在变得越来越智能，但是如果汽车行业要实现完全自动驾驶的目标，他们还有很长的路要走。尽管业界还在讨论实现全自动化所需的理想技术组合，但是有一点是明确的，那就是人工智能，尤其是神经网络将发挥重要作用。
面向安防监控AI应用的图形处理技术
- 在对人工智能(AI)而非提高像素的需求推动下，特别是在由计算机视觉和数据驱动的决策制定方面，GPU(图形处理单元)领域已出现一场革命。神经网络的到来已使视觉处理成为现代世界的关键因素。因此，机器人处理操作、智能监控摄像头以及汽车高级驾驶辅助系统(ADAS)等相关行业都发生了变化
GPU可以为汽车ADAS带来什么
- 当今汽车行业最受关注的话题之一是先进的驾驶辅助系统(ADAS)，该系统可以多种方式帮助驾驶员处理潜在问题。它们可以为驾驶员提供视觉和听觉警告，也可以控制制动器、加速器和转向装置，使汽车远离危险。
嵌入式芯片要如何应对真正的AI本地化处理的挑战
- GPU和NNA(神经网络加速器)正在迅速成为AI应用的关键要素。随着不同企业开始挖掘神经网络在各种任务(比如自然语言处理、图片分类)中的潜力，集成人工智能元素的产品数量正在稳步的增长。与此同时，对于这些任务的处理也正在从传统的云端架构转移到设备本身上来，嵌入式芯