中国科学技术大学谭立湘老师GPU并行计算课程最后的大作业。内容包含项目源码加注释、最后提交的课程报告、讲演PPT。（有问题可私信）

足迹法(抛雪球法): 足迹法最早是由Westerover提出，原理是将体数据表示为一个由交叠的基本函数构成矩阵，基本函数通常选择幅值由体素值表示的高斯函数核Kernal，然后根据一个预先计算的、存储着沿视线方向对函数核积分的足迹查询表，把这些基本函数投射到象平面以生成图像。其实质可看着为将体数据与函数核作卷积，再沿视线的反方向投射积累到象平面的过程。 1、Why Ray Casting?

CUDA 视频处理项目 该项目利用并行计算来提高后处理视频片段的效率。 该代码目前支持最多 3 维的后处理，使用卷积过滤器。 ###如何处理视频： 找到你要处理的视频，放入./input_videos 下载并安装 使用 FFmpeg 将视频分解成帧。 此代码中断了视频sample_video的前 20 帧： ffmpeg -i input_videos/sample_video.mp4 -vframes 20 infiles/tmpd.ppm 选择一个操作，编译并运行它 串行（执行速度较慢） 一维卷积（黑白重新着色）： make serial-bw ，然后./serial-bw 2D 卷积： make serial-convolution ，然后./serial-convolution 3D 卷积： cd 3Dconvolution ， make serial ，然

数据融合matlab代码整体嵌套边缘检测 由谢志远在圣地亚哥加州大学创建 介绍： 我们开发了一种新的边缘检测算法，即整体嵌套边缘检测（HED），该算法通过利用完全卷积神经网络和深度监督网络的深度学习模型来执行图像到图像的预测。 HED自动学习丰富的层次结构表示（在对副作用的深入监督指导下），这对于解决边缘和对象边界检测中的挑战性歧义非常重要。 我们大大提高了BSD500数据集（ODS F分数为.790）和NYU深度数据集（ODS F分数为.746）的最新技术，并且速度得到了提高（每秒钟0.4s图像）。 有关该系统的详细说明，请参见我们的。 引文 如果您使用的是出版物中此处提供的代码/模型/数据，请引用我们的论文： @InProceedings{xie15hed, author = {"Xie, Saining and Tu, Zhuowen"}, Title = {Holistically-Nested Edge Detection}, Booktitle = "Proceedings of IEEE International Conference on Computer Visio

基于cuda平台的fbp 算法的加速。已经实现，可验证哦

基本遗传算法在GPU 上并行实现其所有操作,提高其运行速度和准确度

cuda支持向量机的仿真，以及其加速算法

本文以新建的CUDA的.cu程序来进行说明，同样也适用于C程序。 一，发现问题 1，首先我们在vs2019中创建了工程以后（我所创建的工程名称为“xiangmu”），右键“源文件”，点击添加——新建项。（创建工程的细节不再说。） 2，点击NVIDIA CUDA 中的Code，选中CUDA C/C++，并创建文件名，比如“lianxi”。（如果选择的是C++的代码，会显示.cpp文件，可以创建C++的文件）。 3，在此用一个简单的CUDA规约程序进行示范，选择生成——生成解决方案。可以看到成功生成了解决方案。 4，接下来点击“本地windows调试器”，或者按F5进行调试，

GPU高性能运算之CUDA，PDF全文。一本全面介绍CUDA软硬件体系架构的书籍。

KeyHunt-Cuda 寻找比特币私钥。 这是JeanLucPons的的修改版本。 要将这个比特币遗留地址转换为RIPEMD160 hasehs，请使用此 。 在将RIPEMD160文件提供给程序之前，对文件进行二进制排序很重要，否则二进制搜索功能将无法正常工作。 为此，请使用此 。 非常感谢在这里使用过代码的所有开发人员。 变化 从VanitySearch重命名为KeyHunt（灵感来自的keyhunt）。 它搜索给定文件中地址的RIPEMD160哈希。 与原始VanitySearch一样，它同时支持CPU和Cuda设备。 它使用Bloom过滤器进行大量地址匹配，但是您知道Bloom过滤器会给出假阳性结果，因此我们需要使用实际的二进制数据来验证这些结果。 为了验证绽放结果，它使用的keyhunt提供的二进制搜索功能。 由于二进制搜索需要在内存中存储整个RIPEMD16