GPU并行计算原理，包括环境搭建，CUDA库的讲解，文件中有相关的学习代码。

本文提出了一种基于GPU加速的几何纹理合成方法，以解决几何纹理合成过程中的高计算量、高存储占用和高耗时等问题。首先，将样本几何纹理数据进行子块划分，以及根据子块在样本中的位置关系设计可重用样本顶点数据的数据结构，优化存储以降低内存的占用率；然后，通过采用GPU多线程并发技术设计并行加速算法，将串行的几何理纹理合成过程并行化，这使得能够快速地生成任意尺寸的新的几何纹理。实验结果表明，本文算法不仅存储占用更小，而且能够在保证合成质量的同时，极大地降低几何纹理合成耗时。

Tensorflow-gpu版本缺少的dll文件

tensorflow2最全补充dll，用于深度学习GPU训练，加载动态库

google_colab_tutorial

计算机纹理压缩技术综述，图像块压缩实现技术细节。 计算机图形学，纹理压缩，纹理解压缩，S3TC, DXT, BCn, BC6H, BC7, ETC, ETC2, EAC, PVRTC, PVRTC2, ASTC

shader学习晋级资料 GPU Games 三部曲合集(pdf版)

1、基本环境安装 2、GPU驱动下载更新 3、GPU补丁修改 4、编译启动单GPU 5、双GPU启动

GPU-Z 是一款轻量级的系统实用程序，旨在提供关于您的视频卡和图形处理器的重要信息。 主要特点： 支持 NVIDIA、ATI 和 Intel 图形设备 显示适配器、GPU 和显示信息 显示超频、默认时钟和3D时钟（如果可用） 包括一个 GPU 的负载测试来验证 PCI-Express 通道配置

1, 创建pytorch 的Tensor张量： torch.rand((3,224,224)) #创建随机值的三维张量，大小为（3,224,224） torch.Tensor([3,2]) #创建张量，[3,2] 2, cpu上的tensor和GPU即pytorch创建的tensor的相互转化 b = a.cpu() # GPU → CPU a = b.cuda() #CPU → GPU 3, tensor和numpy的转化 b = a.numpy() # tensor转化为 numpy数组 a = b.from_numpy() # numpy数组转化为tensor 4, torch的