CUDA安装 .docx

GPGPU 编程经典之作， 涵盖了 Opengl GLSL， CUDA, OpenCL多种GPGPU编程方法介绍和实例

pytorch1.9离线版资源，cuda10.2 +对应的cudnn

CUDAVisualStudioIntegration这个压缩包里的内容是用于解决CUDA 8.0安装时提示This graphics driver could not find compatible graphics hardware…特地提取出来，详细使用请看我的博客

AutoDock-GPU：适用于GPU和其他加速器的AutoDock 关于 OpenCL和Cuda加速版的AutoDock4.2.6。 它通过在多个计算单元上并行处理配体-受体姿势来利用其令人尴尬的可并行LGA。 OpenCL版本是与TU-Darmstadt合作开发的，能够针对CPU，GPU和FPGA架构。 Cuda版本是与Nvidia合作开发的，以便在Oak Ridge国家实验室（ORNL）峰会上运行AutoDock-GPU，其中包括Jubilee Development公司的Aaron Scheinberg开发的批量配体管线。 引文 使用GPU和基于梯度的本地搜索加速AutoDock4， 2021，10.1021 / acs.jctc.0c01006 查看 特征 基于梯度的本地搜索方法（例如ADADELTA），以及AutoDock 4中Solis-Wets的改进版本。 它针

CUDA中文手册 NVIDIA CUDA 统一计算设备架构 编程指南 第1章 CUDA简介 1.1 作为数据并行计算设备的图形处理器 1.2 CUDA：一种GPU计算的新架构 1.3 文档结构 第2章 编程模型 2.1 高度多线程协处理器 2.2 线程分批 2.2.1 线程块 2.2.2 线程块网格 2.3 内存模型 第3章 硬件实现 3.1 具有片上共享内存的一组SIMD多处理器 3.2 执行模型 3.3 计算能力 3.4 多个设备 3.5 显示模式切换 第4章 应用编程接口 4.1C编程语言扩展 4.2 语言扩展 4.2.1函数类型限定符 4.2.2变量类型限定符 4.2.3执行配置 4.2.4内置变量 4.2.5 使用NVCC编译 4.3 共用运行时组件 4.3.1内置向量类型 4.3.2数学函数 4.3.3 时间函数 4.3.4 纹理类型 4.4设备运行时组件 4.4.1数学函数 4.4.2 同步函数 4.4.3 类型转换函数 4.4.4类型强制函数 4.4.5纹理函数 4.4.6原子函数 4.5宿主运行时组件 4.5.1常用概念 4.5.2运行时API 4.5.3 驱动程序API 第5章性能指南 5.1 指令性能 5.1.1 指令吞吐量 5.1.2内存带宽 5.2 每块的线程数 5.3 宿主和设备之间的数据传送 5.4 纹理拾取与全局或常量内存读取 5.5 整体性能优化策略 第6章 矩阵乘法示例 6.1概述 6.2 源码清单 6.3 源码攻略 6.3.1Mul() 6.3.2Muld() 附录

GPU高性能编程CUDA实战，包括中文版和英文原版，以及源代码

《GPU高性能运算之CUDA》是一本很好的cuda编程参考书，内容简洁明了，具有很好的指导意义！

cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0下的两个库和例子 cuDNN v7.0.5 Runtime Library for Ubuntu16.04 (Deb) cuDNN v7.0.5 Developer Library for Ubuntu16.04 (Deb) cuDNN v7.0.5 Code Samples and User Guide for Ubuntu16.04 (Deb)

cuda编程指南