TensorRT 8.2 GA Update 2 for Windows 10 and CUDA 11.0, 11.1, 11.2, 11.3, 11.4 and 11.5 ZIP Package

基于matllab实现的tsne统计算法，在数学建模中效果显著

TensorRT-8.2.3.0.Windows10.x86_64.cuda-10.2.cudnn8.2.zip为tensorrt开发包

win10下搭建Mask Rcnn环境详细教程并运行第一个demo程序（包含Anaconda+Tensorflow-gpu+Cuda+cuDnn安装过程及各种坑）-附件资源

史上最全的pytorch开发环境搭建教程【基于win10】 0.总结 Get to the points first. The article comes from LawsonAbs! pytorch简介 安装前的基本环境 详细安装过程 1.pytorch 是什么？ pytorch是一个机器学习的框架平台，与TensorFlow的作用机制相类似。虽然晚于TensorFlow出生，但是凭借其优雅的操作接口和动态图的构建思想，在使用便捷上已经远超TensorFlow，但是因为开放较晚的原因，在工业部署方面仍然在追赶TensorFlow。 2.基本环境 这里我列举我的电脑里 pytorch 的

k nearest neighbour code implemented on cuda

该资源为vs2019下对opencv4.5.1的cuda加速和opencv_contrib4.5.1编译，可以使用opencv的Dnn模块进行深度学习得到的onnx文件进行前向推理以及部署。作者电脑环境为win10，vs2019、i7九代、RTX1650，cuda算力为6.0、6.5、7.0、7.5。下载好打包文件后，直接解压缩，将电脑环境变量配置好即可使用，具体的opencv环境配置可以在网上搜索，配置资源较多。

chrome_elf.dll,安装cuda_10.1.243_426.00_win10时候遇到了，无法写入，文件夹下的chrome_elf.dll拒绝访问，于是找到这个dll,复制到相应路径下，继续安装，问题得到解决。

具有用于 gpu 的 cusp 稀疏类的裸骨接口， 支持单精度，实数/复数。 用法： A=gcsparse(B,[格式: 0=coo, 1=csr]); 或者A=gcsparse(col,row,val,[nrows,[ncols,[格式]]]); 输入 B 是一个 matlab 数组、稀疏数组或 gcarray。 重载运算符： ctranspose: B=A.'; 转置：B=A'; 乘法：x=A*y； (spmv) 格式转换： B=real(A);A=complex(B);B=gcsparse(A,format); rowptr=ptr2row(A); 行 =grow2ptr(A); 例子： 真实/复杂速度测试：testgsparse.m accumarray: testRadavg.m 模板：testgnufft.m（氡变换示例） 笔记： 格式转换 row2ptr 和 ptr

CUDA中的膨胀和侵蚀过滤器 显示了膨胀和腐蚀过滤器的几种实现方式： 中央处理器： 使用可分离的过滤器。 （ ） GPU： 2.天真的实现，一个线程每个像素加载n ^ 2个元素。 （ ）3.可分离的滤波器实现，处理过程分为两个步骤，每个像素仅加载2 * n个元素。 （ ）4.共享内存的实现，使用了切片方法。 （ ）5.过滤器的无线电被模板化，以使主回路能够展开。 （腐蚀 ）6.对过滤操作进行模板化，以将相同的代码重新用于腐蚀和膨胀。 （ ） 表现 我已经在Nvidia GTX 760上进行了一些测试。 使用1280x1024的图片和2到15的收音机： 广播/实施 加速 中央处理器 幼稚的 可分离 共享的内存。 广播模板 过滤操作。 模板化 2个 34倍 0.07057秒 0.00263秒 0.00213秒 0.00209秒 0.00207秒 0.00207秒 3 42倍 0