蒙特卡洛eXtreme（MCX）-CUDA版 作者：方千千（neu.edu的q.fang） 许可证：GNU通用公共许可证版本3（GPLv3） 版本：1.8（v2020，狂暴费米子） 网站： ： 表中的内容： 什么是新的 MCX v2020代表着快速，通用和功能丰富的开源Monte Carlo 3D光子模拟器开发的新里程碑。 它在功能和稳定性方面都进行了许多改进。 我们要特别强调以下主要新增功能： 内置基准，易于新用户测试和采用 过渡到JSON / JNIfTI输入/输出文件以方便数据共享 使用二进制量数据将模拟导出为JSON 适用于MCXStudio / MCX / MMC /

本资源属于PPT免费内容，全英文，方便双语班教学使用，另外，对这方面感兴趣的童鞋或者老师可以免费下载使用。

C++ amp 加速计算 中文 扫描版 完整 不套路 无水印 欢迎讨论

CUDA并行程序设计 GPU编程指南 522页 + CUDA C编程权威指南_源码 GPU编程 并发编程

matlab最简单的代码 HandwrittenNumeralRecognition_ANN_CUDA Handwritten numeral recognition project using BP ANN with CPU & GPU (CUDA). 公告板 matlab下面的数据文件我导成字符型文件了50M左右4个文件，存在46/Tmp/CUDA_ANN_DATA下，要用先同步一下。 第一次文件X.dat文件出问题了，中间貌似有错数据。我这边又生成了，晚上过去传46。 正确文件生成方法如下： f=fopen('X2.dat','w'); for i = 1:5000 for j= 1:400 fprintf(f,'%f ',X(i,j)); end end map函数加了索引参数。用法如下： Matrix _X2(new float[X.row*(1 + X.col)], X.row, X.col + 1); Matrix X2 = _X2.map([&](float, int row, int col){ return col>0 ?

深度学习框架，gpu版本的pytorch，在python3.5+ cuda10.0 + cudnn7.6+pytorch1.2.0 gpu_torcvision0.4.0

《Multicore and GPU Programming》这本书是一本非常好的并行计算学习资源。以下是我对这本书的简要评价： 优点： 1. 全面性强：书中涵盖了多核和GPU计算的基础概念、编程模型、算法实现以及性能优化等方面，使读者可以全面了解并行计算的基础知识和实践技巧。 2. 实用性强：书中讲解的并行计算技术都是实际开发中常用的，通过实例代码的演示，可以帮助读者快速掌握如何在项目中应用这些技术。 3. 现代化：书中使用了现代C++和CUDA的特性，如Lambda表达式、CUDA C++ kernel函数等，使得代码更加简洁、易读、安全。 4. 丰富的代码示例：书中提供了丰富的代码示例，涵盖了多种并行计算技术的实现，包括OpenMP、CUDA、Intel TBB等，帮助读者更好地理解每个技术的实现过程。 5. 深入浅出：书中讲解的内容深入浅出，准确把握读者的学习需求和水平，使得读者可以快速掌握并行计算的基础知识和实践技巧。

tensorflow_gpu-2.8.0-cp38-cp38-win_amd64.whl.rar python 3.8.3 tensorflow 2.8.0 Gpu版本 去掉后缀.rar pip install tensorflow_gpu-2.8.0-cp38-cp38-win_amd64.whl 既可以使用

keras安装步骤的ppt 1、ANACONDA 安装 2、Cuda及cuDNN安装 3、Tensorflow-gpu版本安装 4、Keras安装 5、Anaconda的使用 6、Keras分类示例

英伟达开发者社区免费课程NVIDIA GPU