里面包含了CUDA9.0、cudnn7.0以及安装opencv3.4时缺少的.i文件，东西太大不好上传，放百度云盘里了，这里是百度云盘的下载链接以及提取码

CUDA是一种专门为提高并行程序开发效率而设计的计算架构。在构建高性能应用程序时，CUDA架构可充分发挥GPU的强大计算功能，颇受广大开发者拥趸。本书以并行编程实践者视角，展示了全面、快速提升CUDA程序效能的途径。从并行机制到CUDA开发环境搭建，从GPU高性能计算相关硬件知识到并行计算和CUDA编程技巧，从核心概念到多个热点技术和高级主题，无所不包。本书侧重于CUDA实践应用，特别在CUDA程序优化上下足了工夫，例如发挥多GPU效力。难能可贵的是，作者结合多年实践经验，精心总结出开发者在使用CUDA过程中易犯的错误和有效的规避方法。

这是CUDA 9.0和cuDNN 7.5 For Win10的网盘下载链接，因为这两个工具的官网时常会无法打开，而且官网下载cuDNN必须注册登录才行。分享该文件，希望能够帮到更多有需要的小伙伴~

前言 最近在学习PaddlePaddle在各个显卡驱动版本的安装和使用，所以同时也学习如何在Ubuntu安装和卸载CUDA和CUDNN，在学习过程中，顺便记录学习过程。在供大家学习的同时，也在加强自己的记忆。本文章以卸载CUDA 8.0 和 CUDNN 7.05 为例，以安装CUDA 10.0 和 CUDNN 7.4.2 为例。 安装显卡驱动 禁用nouveau驱动 sudo vim /etc/modprobe.d/blacklist.conf 在文本最后添加： blacklist nouveau options nouveau modeset=0 然后执行： sudo update-i

CUDNN11.3的安装包，解决英伟达官方过慢且需要登录导致无法下载 配对TensorFlow请使用2.4起步 我使用的是TensorFlow2.4.1

《CUDA专家手册：GPU编程权威指南》详细讨论CUDA的硬件和软件，包括CUDA 5.0和开普勒架构的最新特性。每个CUDA开发人员，不论新手还是高手，都可以在这里找到感兴趣的内容并即时上手。新晋的CUDA开发者将理解硬件如何处理命令以及驱动程序如何检查状态；更有经验者，将会在驱动程序API、上下文迁移以及如何让CPU/GPU最有效率地进行数据交换和同步等骨灰级的主题上得到指导。 　　本书所附的开源代码有25000多行，欢迎开发者自由重用。 　　本书不仅是权威手册，也是实用代码大全。全书分为以下三个部分： 　　第一部分是基础知识概述，对支持CUDA的硬件和软件进行高屋建瓴的描述。 　　第二部分是CUDA编程细节，对CUDA进行全方位的描述，包括内存，流和事件，执行模型（包括动态并行特性以及CUDA 5.0和SM 3.5的新特性），流处理器簇（包括SM 3.5的所有功能介绍），多GPU编程，纹理操作。这部分附带的源代码作为可重用的验证型代码和演示型代码，旨在展示特殊的硬件特性或强调特定的应用方法。 　　第三部分是案例剖析，深入分析精选的CUDA应用场景以及关键的并行算法，包括流式负载、归约、扫描（并行前缀求和）、N-体问题和图像处理，这些算法全方位涵盖

tensorflow 完整安装资源和教程 包含Anaconda3，cuda，cudnn，ML_Agents

适合cuda10.1 和 tensorflow-gpu == 2.1.0 nvidia 登录困难

经过近一周的不断尝试，终于编译成功OPENCV4.4 GPU测试YOLO3模型，中间过程遇到很多坑。 附件中已有下载好的.cache文件，亲们可参考《Win10 OpenCv4使用说明.doc》。 附件包括：opencv4.4 dnn cuda + Win10 + vs2017 64位 + YOLO3测试代码 opencv-4.4.0-vc14_vc15.exe + opencv_contrib-4.4.0.zip + sources\.cache + opencv源码编译说明文档 + YOLO测试代码

利用CUDA（NVIDIA显卡提供的科学计算包）解线性方程组。