Win10 + VS2022 + OpenCV 4.7 + contrib + cuda加速 编译 https://blog.csdn.net/Kasper_2009/article/details/130384029

杰森SIFT 这是一个 CUDA 加速的 SIFT 关键点提取实现。 请注意，它目前仅在第一个八度音阶上执行提取。 输入以下命令进行编译： cd jetsonSIFT mkdir build cd build cmake ../src 该程序的使用如下： ./jetsonSIFT yourimage.jpg 样本： ./jetsonSIFT ../images/lenna.jpg 如果您收到有关不受支持的 CUDA 架构规范的错误，请编辑arch=compute\_32,code=sm\_32行以匹配您的 (Nvidia) 卡支持的最新架构。

精通GPU-利用CUDA加速图像处理，提升缺陷检测精度，CSDN CSDN组织关于GPU 方面的视频

先去官网下载好anaconda 地址是 https://www.anaconda.com/distribution/#download-section  我下载的是64位python3.7版本的，因为pytorch只支持3.x版本的python，在安装过程中有一个如下界面（第二幅图）建议是两个都勾选上，这样就避免你去电脑里面自行设置环境变量了    安装好之后，使用cmd命令行 ，输入python，你可能会看到如下界面，不要着急，这是由于python解释器位于conda环境中，但是环境未激活，库可能无法加载 这时候，我们重新打开cmd,输入 conda info –envs ,等一下之后，再输

FFT-GPU-Accel Fast Fourier Transform Acceleration Algorithm. (Accelerated by CUDA) 简要介绍 基于FFT的蝶形公式，利用GPU的多核心优势，结合蝶形公式算法中同一层级的运算因子互不干扰的特点，对算法进行了并行化优化处理，加速效果十分显着。 在同一测试机器上，速度能达到Matlab(R2017b)的数十倍。 核心算法 基于快速傅里叶变换的蝶形公式，对于N元待转换信号，蝶形公式为logN层级的子运算，每层的子运算中，运算因子在同层中互不干扰，因此只要利用好CUDA的__syncthreads()函数，在此基础上便可进一步利用GPU的单个线程来纵向处理每一个运算因子。 优化处理 注意到蝶形公式中的旋转因子Wn^k大量重复出现，因此必须要对旋转因子做好预处理工作。由于预处理数据是静态的，故可考虑将其放入纹理单元以加

文件是TensorRT-7.1.3.4.CentOS-7.6.x86_64-gnu.cuda-10.2.cudnn8.0.tar

提出一种基于统一计算设备架构(CUDA)加速的尺度不变特征变换(SIFT)快速计算方法,用以解决SIFT特征提取计算过程耗时过长的问题。该方法充分利用图像处理单元(GPU)在并行计算、浮点计算、内存管理等方面的优势,合理分配主机端和设备端的资源及其在SIFT特征计算中所承担的角色。实验表明,与CPU架构下的SIFT特征提取算法相比,本文算法可以大幅度加快SIFT特征提取的计算速度,其加速比随着SIFT特征点数目的增加而增加,在本文实验中最大加速比可达19.54。

MATLAB平台下的CUDA加速库。运用该库可避免在MEX函数中来回拷贝GPU数据，提高MATLAB运行速率。附件给出一个简单的矩阵乘法的示例程序，该程序在GTX TITAN下运行效率比intel i7 3930k提高了10倍。

包括有关如何使用 Visual Studio 创建与 Matlab 兼容的 Cuda 代码、如何使用各种方法编译、调试和运行它等的指南。

CUDA加速的频谱搬移，核函数实例，256*512 实测时间0.07ms