基于GPU加速的高性能MapReduce集群设计研究.pdf

利用ＧＰＵ对ｍａｔｌａｂ仿真进行加速的方法

火花GPU 该项目的目的是研究GPU加速带来的性能提升。 评估了一些应用程序，即WordCount，KMeans-Clustering和浮点排序。 此外，还为Spark的弹性分布式数据集（RDD）实现了许多GPU兼容功能。 纸 论文提交的详细信息即将发布。 执照 根据Apache软件许可2.0获得许可。 看 文件。

CST Studio Suite 2018 GPU加速测试报告.pdf

#5.2_GPU_加速_(PyTorch_tutorial_神经网络_教学)

使用opencv进行GPU加速计算机视觉（源码）

XGBoost.dll文件，可以利用GPU实现XGBoost的加速，具体编译过程可以参考https://download.csdn.net/download/u012677843/20817388

在Windows下编译XGBoost源代码，从而利用GPU实现XGBoost的加速

数字孪生解决方案

适用于Windows的Plaidml-Keras GPU Author - > Stefanos Ginargyros 设置 如果您在这里，那么您已经知道Plaidml的安装确实非常棘手（尤其是在Windows中）。为了克服所有潜在的Windows错误，请仔细遵循。 安装Anaconda 从安装最新的Visual C ++ 重新开始！ 为plaidml创建一个conda虚拟环境 conda create -n plaidml 卸载任何冲突或较旧的版本 pip uninstall plaidml pip uninstall plaidml-keras pip uninstall plaidbench pip install plaidml==0.6.4 安装plaidml-keras pip install plaidml-keras plaidbench 设置plaidml（在1,2,