自己在jetpack5.0.1版本的nx上build的onnx版本，不是正式版本，可能会在一些环境下出问题。理论上说jetson系列应该都可以安装运行，前提是cuda11.4（使用tensorrt的话需要tensorrt8.4）

NVIDIA 的openCL 教程 介绍了CUDA 和 OpenCL的区别

用来查看你的显卡（无论是独立显示还是集成显卡）是否支持OpenGL,如果支持，则显示究竟是什么版本。并可以显示一个三维图形进行测试。

一个老程序猿要走Pytorch的新路，先搭建一个运行调试环境，踩坑若干若干，那滋味就是一个字=太爽！分享给同路的小伙伴，一些学习成长吧！ 涉及的内容包括： 1.更新显卡驱动GTX1070 CUDA Version：11.6； 2.从官网下载对应版本的 CUDA Toolkit Archive | NVIDIA Developer 3.安装NVIDIA cuDNN 4.安装Anaconda3 5.创建Pytorch_GPU运行的虚拟环境 6.使用清华镜像快速安装PytorchGPU版本 7.IDE安装Pycharm，链接Anaconda环境解释器 8.验证

CUDA是一种专门为提高并行程序开发效率而设计的计算架构。在构建高性能应用程序时，CUDA架构能充分发挥GPU的强大计算功能。本书首先介绍了CUDA架构的应用背景，并给出了如何配置CUDA c的开发环境。然后通过矢量求和运算、矢量点积运算、光线跟踪、热传导模拟等示例详细介绍了CUDA c的基本语法和使用模式。通过学习本书，读者可以清楚了解CUDA c中每个功能的适用场合，并编写出高性能的CUDA软件。

腾讯数字生态大会-GPU 加速的 Spark 3.pdf

常用的查看显卡的软件GPU-Z，和之前的版本相比有了很大的改进，但是响应速度依然有点慢。用来一般性的查看显卡信息已经足够了。

针对粒子滤波跟踪算法计算量较大,需要在跟踪准确性与计算效率之间做出妥协的问题,分析了粒子滤波算法的并行性,提出了基于图像处理单元(GPU)平台的粒子滤波并行算法.将传统粒子滤波算法与GPU 有效结合起来,充分利用GPU并行运算的性能,加快粒子滤波算法的计算速度.对所提出算法的计算性能与普通串行算法进行了对比,实验结果表明该算法在不降低跟踪准确性的同时,平均每帧处理时间显著减少.

利用GPU并行加速支持向量机的研究与实践，王亮，高占春，因为支持向量机预测的精度很高，它是非常著名的解决分类和回归问题的工具之一。然而，在训练过程使用非线性核函数的支持向量机算

场景烘焙插件，分享给大家，A卡不能用！N卡可用！