蒙特卡罗期权 CUDA C++ 中期权定价的蒙特卡罗模拟。 目前支持香草欧洲电话。 使用说明 编辑源代码以设置合约参数。 假设 CUDA 工具包是从 NVIDIA ( ) 安装的，编译 nvcc -o mc.o montecarlo.cu 命令行参数： -b blocks设置总-b blocks数（每个运行 1024 条轨迹），默认为 200 -m max per partition设置每次内核调用的最大块数，默认为 500 -N time steps设置每个轨迹的时间步数，默认为 500 --help打印有效参数的列表 内核超时 内核超时存在问题。 如果运行此程序的卡还驱动显示器，则运行超过操作系统指定时间的内核将被终止。 为了解决这个问题，我编写了一个块分区系统来将内核调用拆分为顺序运行的较小分组。 默认值为每组最多 500 个块。 此外，使用超过 9000 个时间步长可能需要每组

cuda_python-11.5.0-cp39-cp39-win_amd64.whl

显卡跑深度学习用的

使用时域和 CUDA 中的有限差分对声波传播的简短实现。该代码正在求解压力公式中的二阶波动方程，O(2,8)。计算域被反射边界包围。 部分效果展示： https://github.com/ovcharenkoo/CUDA_FDTD_2D_acoustic_wave_propagation/raw/master/doc/wave.gif

Professional CUDA C Programming Professional CUDA C Programming Professional CUDA C Programming Professional CUDA C Programming

适用于VS cuda编程移植至Qtcreator，以及使用qt 编写cuda程序的初学者

可以与cuda9。0配合 使用tensorflow。 截至目前兼容性最好。 将opt下cuda-lib64内cudnn.so.7.0.5 复制到cuda目录下 lib64内。其他配置方法，自行百度。

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1] 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV用C++语言编写，它具有C ++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时利用MMX和SSE指令， 如今也提供对于C#、Ch、Ruby，GO的支持。

NVIDIA CUDA深度神经网络库 (cuDNN) 是经GPU加速的深度神经网络基元库。cuDNN可大幅优化标准例程（例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层）的实施。 世界各地的深度学习研究人员和框架开发者都依赖cuDNN实现高性能GPU加速。借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的GPU性能调整。cuDNN可加速广泛应用的深度学习框架，包括 Caffe2、Chainer、Keras、MATLAB、MxNet、PyTorch 和 TensorFlow。

TensorRT-7.2.2.3.Windows10.x86_64.cuda-11.1.cudnn8.0