Excelerator Microsoft Excel计算加速插件。 它是什么？ 这是我在业余时间（大约在2014-2015年）开发的一个Excel插件，它将Excel工作簿的计算时间至少增加了12倍（在大多数情况下，要高得多）。 它通过几个步骤来完成此操作： 将公式重写为更有效的计算树以找出高阶并行性 利用支持CUDA的GPU更有效地计算现在更好的并行化公式 有效利用多线程来计算非并行计算链 文件/文件夹结构 可悲的是，此仓库的文件和文件夹结构非常混乱。 这是我的一个老项目，在我的业余时间里忙得不亦乐乎，最近几年我没有机会进行清理或进一步开发。 会费 我希望任何人都能成为这个项目的积极贡献者。 尽管确实需要进行初步的重构和清理，但它为Excel用户提供的好处是值得的。 我为什么要这样做？ 我很想看到这个项目再次变得活跃起来。 关于我如何提出这个想法并且讨厌看到它聚集蜘蛛网，有一

基于CUDA并行实现图像的直方图统计，opencv简单画出灰度分布直方图曲线分布趋势.

讲述了中值滤波在基于CUDA的实现，对于滤波的优化计算做一说明

修改bodyForce 抽离最终的坐标更新逻辑为kernel函数 添加预取逻辑 thread 128 block=32 * SM 效果目前看的是比较好的 可通过Nvidia课程认证

NVIDIA官网资源TensorRT 8.2 GA Update 4，请仔细核对版本 TensorRT-8.2.5.1.Windows10.x86_64.cuda-11.4.cudnn8.2.zip

TensorRT-7.0.0.11.Ubuntu-18.04.x86_64-gnu.cuda-10.2.cudnn7.6.zip是tensorrt安装包，由于官方下载太慢在这里备份以下。

CUDA环境下旅行商问题的算法.ppt

经过自己整理的《深入浅出谈CUDA》，适合于CUDA的初学者

支持cuda9.2的cudnn7.1压缩包。具体是那个版本忘了。支持linux系统。

FFT-GPU-Accel Fast Fourier Transform Acceleration Algorithm. (Accelerated by CUDA) 简要介绍 基于FFT的蝶形公式，利用GPU的多核心优势，结合蝶形公式算法中同一层级的运算因子互不干扰的特点，对算法进行了并行化优化处理，加速效果十分显着。 在同一测试机器上，速度能达到Matlab(R2017b)的数十倍。 核心算法 基于快速傅里叶变换的蝶形公式，对于N元待转换信号，蝶形公式为logN层级的子运算，每层的子运算中，运算因子在同层中互不干扰，因此只要利用好CUDA的__syncthreads()函数，在此基础上便可进一步利用GPU的单个线程来纵向处理每一个运算因子。 优化处理 注意到蝶形公式中的旋转因子Wn^k大量重复出现，因此必须要对旋转因子做好预处理工作。由于预处理数据是静态的，故可考虑将其放入纹理单元以加