八叉树SLAM 使用 CUDA 和 OpenGL 构建和渲染大型八叉树地图 ＃＃参考 【OctoMap：基于八叉树的高效概率3D映射框架】（ ） [KinectFusion：实时密集表面映射和跟踪] ( ) [KinectFusion：使用移动深度相机进行实时 3D 重建和交互] ( ) [具有体积融合的实时大规模密集RGB-D SLAM]（ ） [CPU 上的实时体积 3D 映射] ( ) [使用体素锥跟踪的交互式间接照明] ( ) [VoxelPipe] ( ) [高效的稀疏体素八叉树 - 分析、扩展和实现] ( ) [GigaVoxels] ( )

风辰的CUDA入门教程 ........................................................................................................................ 1 第一章、CUDA的基本内容 ........................................................................................................ 3 第一节、CUDA 及 GPU 简介 ............................................................................................. 3 第二节、Linux下 CUDA 开发环境安装 .......................................................................... 3 第三节、CUDA与fork/join模式 .................................................................................... 4 第四节、CUDA C语言 ........................................................................................................ 5 第五节、计算π.................................................................................................................. 6 第六节、编程模式.............................................................................................................. 8 第七节、线程层次.............................................................................................................. 9 第八节、存储器组织 ....................................................................................................... 10 第九节、执行模式............................................................................................................ 16 第十节、NVIDIA GPU结构 .............................................................................................. 17 第二章、CUDA 程序优化 ......................................................................................................... 20 每一节、CUDA总体优化策略 .......................................................................................... 20 第二节、计时器的设计 ................................................................................................... 20 第三节、错误处理............................................................................................................ 22 第四节、串行C程序的优化 ........................................................................................... 25 第五节、ＣＵＤＡ程序的优化 ....................................................................................... 27 第三章、一些例子.................................................................................................................... 30 第一节、 两向量的距离 .................................................................................................. 30 第二节、 矩阵与向量乘积 .............................................................................................. 32 第三节、 线性方程组的求解 .......................................................................................... 35

cuda 入门中文教程 它使用 C 语言为基础， 可以直接以大多数人熟悉的 C 语言，写出在显示芯片上执行的程序，而不需要去学习特定的显示芯片的指令或是特殊的结 构。他的思想还是有一点深入，例子也很多，可以结合别的资料学习，不过还是一本不可多得的好书。

这本书还比较好，里面有很多例子可以跟着做，讲解也算仔细，GPU高性能编程CUDA实战中文 多线程编程。高新能编程

Matlab读取BMP文件代码示例CUDA物理项目141/241 大卫·摩尔（David Moore）更新于2019年2月4日。 此代码按原样对10,000个粒子运行O（n ^ 2）CUDA模拟。 Galaxy1.txt是一个包含100,000个粒子的星系，并且在kernel.cu中将“ nSkip”设置为10，这意味着每获取十分之一粒子，其质量便乘以10。 编译说明 要运行，请将所有文件解压缩到目录中。 打开终端并cd进入目录。 然后输入“ make run”。 这会： 创建“ out”目录。 将kernel.cu编译为nbody可执行文件 运行./nbody，它输出30个.bmp文件 使用convert将位图放入.gif中 源代码如何工作： 大约50行kernel.cu是CUDA代码，其余是C ++。 ImageUtil.cpp和ImageUtil.h是我为输出图像编写的一些低质量实用程序。 我不建议您在项目中使用它们，但是它们对于调试很有用。 最好像往常一样在matlab或python中进行绘图。 在尝试简化三个单独的资源时编写了源代码文件kernel.cu . GPU Gems

CUDA编程入门教程，非常好用的CUDA入门教程，一看就会，入门变轻松

在整个安装的过程中也遇到了很多的坑，故此做个记录，争取下次不再犯！ 我的整个基本配置如下： 电脑环境如下：win10(64位)+CPU:E5-2603 +GPU:GTX 1070 需要安装的软件如下：Anaconda3-4.2.0-Windows-x86_64(python 3.5.2) + tensorflow-gpu 1.8 + CUDA 9.0 + cuDNN v7.1 for CUDA9.0 若你想在自己的windows上安装tensorflow-gpu，一般化也可以遵循如下的步骤。 1.首先确定自己电脑的gpu是否支持cuda 能否支持tensorflow-gpu版本，这里主要是Nv

Mask R-CNN项目环境配置| cuda+cudnn+Anaconda+tensorflow+keras--linux系统-附件资源

先去官网下载好anaconda 地址是 https://www.anaconda.com/distribution/#download-section  我下载的是64位python3.7版本的，因为pytorch只支持3.x版本的python，在安装过程中有一个如下界面（第二幅图）建议是两个都勾选上，这样就避免你去电脑里面自行设置环境变量了    安装好之后，使用cmd命令行 ，输入python，你可能会看到如下界面，不要着急，这是由于python解释器位于conda环境中，但是环境未激活，库可能无法加载 这时候，我们重新打开cmd,输入 conda info –envs ,等一下之后，再输

ACMP [新闻] 代码发布了！！！ [新闻] 代码已发布！！！ 关于 此存储库包含论文《代码。 如果您发现此项目对您的研究有用，请引用： @article{Xu2020ACMP, title={Planar Prior Assisted PatchMatch Multi-View Stereo}, author={Xu, Qingshan and Tao, Wenbing}, journal={AAAI Conference on Artificial Intelligence (AAAI)}, year={2020} } @article{Xu2019ACMM, title={Multi-Scale Geometric Consistency Guided Multi-View Stereo}, author={Xu, Qingshan and