行业分类-设备装置-一种基于CPU+GPU架构的空间几何体线段相交判断并行处理方法.zip

1. keras新版本中加入多GPU并行使用的函数 下面程序段即可实现一个或多个GPU加速： 注意：使用多GPU加速时，Keras版本必须是Keras2.0.9以上版本 from keras.utils.training_utils import multi_gpu_model #导入keras多GPU函数 import VGG19 #导入已经写好的函数模型，例如VGG19 if G <= 1: print("[INFO] training with 1 GPU...") model = VGG19（） # otherwise, we are compiling using m

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，

介绍 对象检测算法的LibTorch推理实现。 GPU和CPU均受支持。 依存关系 Ubuntu 16.04 CUDA 10.2 OpenCV 3.4.12 LibTorch 1.6.0 TorchScript模型导出 请在此处参考官方文档： : 强制更新：开发人员需要修改原始以下代码 # line 29 model.model[-1].export = False 添加GPU支持：请注意， 当前的导出脚本默认情况下使用CPU ，需要对“ export.py”进行如下修改以支持GPU： # line 28 img = torch . zeros (( opt . batch_size , 3 , * opt . img_size )). to ( device = 'cuda' ) # line 31 model = attempt_load ( opt . weigh

sgm, 在GPU上，半全局匹配 GPU上的半全局匹配这是在GPU上通过半全局匹配实现实时立体实时立体估计的实现，即 。 ，juarez et et，ICCS 。获得的性能以每秒帧( FPS ) 为单位测量：2 路 4路径 8路径NVIDIA Tegra

使用CPU 和 GPU对图像进行FFT变换的代码，《DirectX 3D HLSL 高级实例精讲》的程序

此提交包含使用 MATLAB 进行并行和 GPU 计算的教程系列的第 3 部分中使用的代码示例和演示。 本部分介绍了一个使用 parfor 的介绍性示例。 完整的教程系列可在此处获得： http://www.mathworks.com/products/parallel-computing/tutorials.html

1001条加快MATLAB代码运行速度的建议和例子，包括代码分析，并行，GPU加速，隐式矢量化并行操作，内存管理等

Python-一个gpustat的web界面监测GPU集群节点负载状态

使用GBM作为本地显示系统； 嵌入式图形API以及EGL API简单使用； 可以作为简单的测试或者demo程序；