CUDA的加速算法

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

DFT的快速算法【有戈泽尔算法】.pdf

cuDNN v8.7.0是CUDA加速库的最新版本，为Windows 10和CUDA 10.2提供最佳性能。该版本于2022年11月28日发布。cuDNN库提供了许多深度学习算法的实现，包括卷积神经网

CUDNN加速库是由NVIDIA公司开发的，用于深度学习框架CUDA的库。它实现了高效的卷积、池化、归一化、循环神经网络等算法，极大地提升了深度学习的训练和推断速度。CUDNN库可以与TensorFl

两幅代码，一副是正常的sift图像配准和颜色校正，一副是在cuda加速下sift图像配准，效率提升近20倍。配置环境为opencv342+contrib342+cuda9.2+VS2015。环境配置比

均匀电介质物体的OpenMP-CUDA加速矩方法

对MS-Alignment算法进行分析得出该算法很难满足大规模数据对鉴定速度的要求，而且具有的一个特点是相同的任务在不同的数据上重复计算，为数据划分提供了基础。基于CUDA编程模型使用图形处理器(GP

CuPy:由CUDA加速的与NumPy兼容的数组库 | | | | | CuPy是CUDA上与NumPy兼容的多维数组的实现。 CuPy由核心的多维数组类cupy.ndarray及其上的。 安装 Wh

傅立叶快速算法,很使用的C代码,尤其是对单片机或内存小的CPU,简化的算法已经测试

基于并行处理的FFT快速算法 清晰无遮挡版。