Jetson-AGX-Xavier上的量化深层神经网络：如何创建，训练和量化网络，然后将其集成到后期图像处理中并生成用于定位Jetson AGX Xavier的CUDA C ++代码

基于CUDA的TTI介质有限差分正演与逆时偏移,基于CUDA的TTI介质有限差分正演与逆时偏移

一维dct变换matlab代码DCT_DST_OnetoFour（double and single）-MATLAB_CUDA_MEX 编译： 首先尝试这里描述的方法： 成功编译，运行和测试之后，只需尝试以下语句（将其复制并粘贴到Matlab中并输入）： >> debug_Discrete_Transform(false) [See the file “debug_Discrete_Transform.m”] # To compute Discrete Cosine/Sine Transform DCT/DST and inverse Discrete Cosine/Sine Transform IDCT/IDST user can choose/use the following unified syntax: B=Discrete_Transform (Input array A, Type of Discrete Transform, Type of Transformation, Type of DCT/DST or IDCT/IDST, Dimensions) Where B

适用于nvidia显卡硬解码的套装，包含视频播放器，解码插件以及设置示意图。本人已经全部优化调整过了，适用于gtx1030-2080的显卡，显卡驱动建议安装工作室的那个版本。自动补帧设置好了，

pytorch-liteflownet 这是使用PyTorch对LiteFlowNet [1]的个人重新实现。 如果您要利用这项工作，请相应地引用本文。 另外，请确保遵守作者的。 如果您要使用此特定实现，请适当确认它[2]。 有关这项工作的原始Caffe版本，请参阅： : 我的另一个光流实现： : 我的另一个光流实现： : 我的另一种光流实现： : 设置 相关层是使用CuPy在CUDA中实现的，这就是为什么CuPy是必需的依赖项的原因。 可以使用pip install cupy安装它，也可以使用CuPy存储库中概述的提供的之一进行pip install cupy 。 如果您想使用Docker，则可以查看pull请求以开始使用。 用法 要在自己的映像对上运行它，请使用以下命令。 您可以在三种型号之间进行选择，请确保查看其型号/代码以获取更多详细信息。 python ru

semi-global matching（缩写SGM）是一种用于计算双目视觉中disparity的半全局匹配算法。在OpenCV中的实现为semi-global block matching（SGBM）。 SGBM的思路是： 通过选取每个像素点的disparity，组成一个disparity map，设置一个和disparity map相关的全局能量函数，使这个能量函数最小化，以达到求解每个像素最优disparity的目的。

简单CUDA加速随机森林 ＃＃＃汇编 该库旨在尽可能地通用，因此可以适应不同的问题。 因此，它本质上是一个模板库。 原则上，您只需要在代码中包含头文件，其余的将由编译器处理。 ###文档 我们使用Doxygen作为文档。 有一个cmake命令来构建文档。 只需按照以下标准操作即可： mkdir build cd build cmake .. make doc

利用cuda 解码库parser coder实现自己的gpu多媒体解码程序

大规模并行处理器编程实战。David B.Kirk著。陈曙晖译。

解决InternalError (see above for traceback): Blas GEMM launch failed问题，