在本文中,我们提出并实现了一种在3D空间中的多层可视化技术,称为多维数据多层可视化(MLMD)及其相应的交互技术,用于可视化多维数据。 将基于点的图的图层堆叠并连接到虚拟可视化多维数据集中,以比较不同的尺寸设置。 从侧面看,图层本质上形成平行坐标图。 MLMD紧凑地集成了基于点的图和平行坐标,以便一次显示更多信息,以帮助进行数据调查。 设计了用于方便操作的MLMD方法的相关用户交互。 通过使用MLMD及其匹配的交互技术,可以实现正确的尺寸设置和深入的数据感知。
2021-12-05 12:31:46 3.87MB Multi-Layered Visualization Scatterplot Parallel
1
Deep Learning and Parallel Computing Environment for Bioengineering Systems
2021-12-04 12:10:46 24.72MB DeepLearning
1
我们评估了背光超级计算机上并行计算的收益。 我们发现信息传输是昂贵的。 为了使并行计算高效,每个内核的任务必须足够大,根据所使用的内核数量从几秒到一分钟不等。 对于小问题,共享内存编程 (OpenMP) 比分布式内存编程 (MPI) 具有更高的并行化效率。
2021-12-03 16:00:12 161KB Parallel Computation Information
1
你是否曾经有过要计算一个非常大的数据(几百GB)的需求?或在里面搜索,或其它操作——一些无法并行的操作。数据专家们,我是在对你们说。你可能有一个16核或更多核的CPU,但我们合适的工具,例如 grep, bzip2, wc, awk, sed等等,都是单线程的,只能使用一个CPU内核。我们需要用到GNU Parallel命令,它让我们所有的CPU核心在单机内做神奇的map-reduce操作,当然,这还要借助很少用到的–pipes 参数(也叫做–spreadstdin)。这样,你的负载就会平均分配到各CPU上,真的。
2021-12-02 20:31:19 1.23MB parallel 并行命令
1
非常好的学习并行编程的材料, 包含了很多经典的并行编程模型,机器模型和内存模型等。
2021-12-02 19:47:11 5.03MB 并行计算 结构化
1
GPU开发的后期可以看看,对于提高很有帮助的,帮你更加深入的了解GPU编程。台湾著名作者所写,在coursra上有开过课程的。
2021-11-30 17:22:12 21.23MB gpu
1
Intel® Parallel Studio XE Cluster Edition for Windows or linux* 2018最新版许可key破解文件
2021-11-30 09:52:05 952B Intel® Parallel Studio XE
1
埃尔默有限元法 这是 Elmer FEM 软件套件的官方源代码库。 Elmer 是用于数值求解偏微分方程的有限元软件。 Elmer 能够处理任意数量的方程,因此非常适合模拟多物理场问题。 它包括结构力学、流体动力学、传热和电磁学等模型。 用户还可以编写自己的方程式,可以与主程序动态链接。 埃尔默由几个部分组成。 最重要的是 ElmerSolver(有限元求解器)、ElmerGUI(图形用户界面)和 ElmerGrid(网格创建和操作工具)。 软件包中还包含一个可视化工具 ElmerPost,但不再开发。 下载二进制文件 您可以从下载二进制文件和虚拟机。 码头工人 nwrichmond/elmerice: , unifem/Elmer-desktop: GitHub CoSci-LLC/docker-elmerice: Docker 集线器, GitHub
2021-11-27 15:45:36 69.64MB mpi parallel-computing fem finite-elements
1
帕格莫 重要提示:pygmo(用于pagmo的Python绑定)已拆分成一个单独的项目,托管。 请更新您的书签! pagmo是用于大规模并行优化的C ++科学库。 它基于以下思想:为优化算法和优化问题提供统一的接口,并使它们在大规模并行环境中的部署变得容易。 如果您将pagmo用作研究,教学或其他活动的一部分,如果您可以对存储库加注星标和/或引用我们的工作,我们将不胜感激。 出于引用目的,您可以使用以下BibTex条目,该条目引用《开源软件杂志》中的: @article { Biscani2020 , doi = { 10.21105/joss.02338 } , url = { https://doi.org/10.21105/joss.02338 } , year = { 2020 } , publisher = { The Open Journal } ,
1
AlphaZero五子棋 AlphaZero的多线程实现 特征 自由式五子棋 具有虚拟损失/ LibTorch的树/根并行化 Gomoku和MCTS用C ++编写 SWIG wrap C ++扩展 更新2019.7.10:支持Ubuntu和Windows 精氨酸 编辑config.py 环境 Python 3.6+ PyGame 1.9以上 PyTorch 1.0+ LibTorch 1.0+ MSVC14.0 / GCC6.0 + CMake 3.8以上 SWIG 3.0.12+ 跑步 # Add LibTorch/SWIG to environment variable $PATH # Compile Python extension mkdir build cd build cmake .. -DCMAKE_PREFIX_PATH=path/to/libtorch -DCMA
2021-11-26 14:30:13 3.52MB multi-threading parallel pytorch gomoku
1