GPU 编程与CG 语言之阳春白雪下里巴人PDF版本.

ubuntu18.04安装caffe-gpu

c#运用emgucv4.6.0版本调用gpu推理yolov7，darknet版本。RTX2060显卡推理yolov7-tiny总耗时是6ms，推理yolov7总耗时26ms。注意不是pytorch。

清华大学CUDA课程课件，写的挺不错 从具体例子出发，容易理解；而且内容很充实，有很多图表和统计数据，写文章会用到哦。

cntk 的gpu版本的whl包

windows下caffe框架(gpu版)与python整合小白推荐-附件资源

ICP算法加速优化--多线程和GPU 已成功编译配置： Windows10下环境配置：cmake3.23.3+VS2019+CUDA11.1+PCL1.12.1 Ubuntu20.04（WSL）下环境配置：基于docker镜像cuda11.1-gcc，cmake3.16.3+PCL1.10.0

对应文章https://blog.csdn.net/taifyang/article/details/128089699

tensorflow gpu 使用 pip 安装 TensorFlow TensorFlow 2 软件包现已推出 • tensorflow ：支持 CPU 和 GPU 的最新稳定版（适用于 Ubuntu 和 Windows） • tf-nightly ：预览 build（不稳定）。Ubuntu 和 Windows 均包含 GPU 支持。 旧版 TensorFlow 对于 TensorFlow 1.x，CPU 和 GPU 软件包是分开的： • tensorflow==1.15 ：仅支持 CPU 的版本 • tensorflow-gpu==1.15 ： 支持 GPU 的版本（适用于 Ubuntu 和 Windows） 系统要求 • Python 3.6–3.9 ◦ 若要支持 Python 3.9，需要使用 TensorFlow 2.5 或更高版本。 ◦ 若要支持 Python 3.8，需要使用 TensorFlow 2.2 或更高版本。 • pip 19.0 或更高版本（需要 manylinux2010 支持） • Ubuntu 16.04 或更高版本（64 位）

tensorflow gpu - TensorFlow, CUDA and cuDNN Compatibility - 兼容版本 TensorFlow 是一个开源库，可帮助您构建机器学习和深度学习模型。它被研究人员和组织广泛用于智能应用程序库。 您在深度学习中开发的每个模型都需要性能良好的 GPU 支持环境。要在 GPU 上运行模型，我们需要在系统中安装 CUDA 和 cuDNN 驱动程序。 截至目前，TensorFlow、CUDA 和 cuDNN 有很多可用版本，这可能会使开发人员或初学者感到困惑，无法选择正确的兼容组合来构建他们的开发环境。 下表列出了 CUDA、cuDNN 与 TensorFlow 的兼容版本。此列表是参考**[此处](https://www.tensorflow.org/install/source_windows)**共享的构建配置制定的。