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。

PyTorch | （1）初识PyTorch PyTorch | （2）PyTorch 入门-张量 PyTorch | （3）Tensor及其基本操作 Tensor attributes: 在tensor attributes中有三个类，分别为torch.dtype, torch.device, 和 torch.layout 其中， torch.dtype 是展示 torch.Tensor 数据类型的类，pytorch 有八个不同的数据类型,下表是完整的 dtype 列表. Torch.device 是表现 torch.Tensor被分配的设备类型的类，其中分为’cpu’ 和 ‘cuda’

疫情在家起见，效率真的很低，还好马上就要开学了，最近有个作业需要用到deep learning，要用到gpu跑，因此记录一下我的配环境过程，来回折腾了两天，版本不对称问题很头疼，下面直接给出我的电脑配置以及环境。 1.操作系统：WIN10 2.电脑型号：magicbook2018 3.CPU：i7-8550U 4.GPU：MX150 5.显卡驱动：445.87 6.cuda版本：cuda_10.0.130_411.31_win10 7.cudnn版本：cudnn-10.0-windows10-x64-v7.6.4.38 8.Anaconda3版本：4.8.3 9.python版本：3.7.3

LDPC码并行译码算法的研究及其基于CUDA的实现

教你在最短的时间内掌握CUDA与MFC的联调方法 设置，示例一网打尽!极好的入门教材

包含Centos7.x版本docker与cuda安装及一些配置建议

matlab基本运算程序代码了解CUDA编程 这是Packt发布的的代码存储库。 使用CUDA 10.x和C / C ++进行GPU编程和并行计算的初学者指南 这本书是关于什么的？ 计算统一设备架构（CUDA）是NVIDIA的GPU计算平台和应用程序编程接口。 它旨在与C，C ++和Python等编程语言一起使用。 借助CUDA，您可以在科学，医疗保健和深度学习领域中将GPU的并行计算能力用于一系列高性能计算应用程序。 本书涵盖以下激动人心的功能： 了解CUDA中的常规GPU操作和编程模式 揭示GPU编程和CPU编程之间的差异 分析GPU应用程序性能并实施优化策略 探索GPU编程，性能分析和调试工具 掌握并行编程算法以及如何实现它们，通过多GPU和多节点扩展GPU加速的应用程序深入到具有加速库，Python和OpenACC的GPU编程平台，从而深入了解使用GPU的CNN和RNN中的深度学习加速器 如果您觉得这本书适合您，那就赶快行动吧！ 说明和导航 所有代码都组织在文件夹中。 例如，Chapter02。 该代码将如下所示： #include #include<stdl

fdtd3d 这是FDTD Maxwell方程求解器的开源实现，适用于不同维度（1、2或3），并在需要时支持并发（MPI / OpenMP / Cuda）以及不同体系结构（x64，Arm，Arm64）。 关键思想是使用不同的组件来构建满足您特定需求的求解器，即具有启用的MPI的并发支持，OpenMP或GPU支持，并行缓冲区类型，特定尺寸等。 OpenMP支持WIP。 有关当前项目开发状态和未来计划的更多信息，请检查问题和里程碑，有关文档，请参见。 同样，可以从./Doxyfile config生成doxygen文档： sudo apt-get install doxygen doxygen firefox docs/index.html 建造 使用cmake完成构建： mkdir Release cd Release cmake .. -DCMAKE_BUILD_TYPE=Rele

压缩包文件是我这段时间学习CUDA的一些资料汇总，包括了CUDA编程手册、CUDA 教程、CUDA 的经典入门以及GPU+CUDA学习资料等，对于初学者帮助很大，我就是这么学过来的。好不容易才找到的，希望对大家有帮助。

北航 CUDA编程 专业课课件 CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台，CUDA使GPU能够解决复杂的计算问题。所编写出的程序可以在支持CUDA™的处理器上以超高性能运行