注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 通过OpenGL ES混合模式缩放视频缓冲区来适应显示尺寸

  2. 当开发基于软件模式的游戏时，通过缩放视频缓冲区来适应显示尺寸是最棘手的问题之一。当面对众多不同的分辨率时(比如开放环境下的Android)，该问题会变得更加麻烦，作为开发人员，我们必须尝试在性能与显示质量之间找到最佳平衡点。正如我们在第2章中看到的，缩放视频缓冲区从最慢到最快共有3种类型。 软件模拟：3中类型中最慢，但最容易实现，是没有GPU的老款设备上的最佳选择。但是现在大部分智能手机都支持硬件加速。 混合模式：这种方式混合使用软件模拟(创建图像缓冲区)和硬件渲染(向显示屏绘制)两种模式。这种

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：191488
    • 提供者：weixin_38677648

  1. 【详解】FPGA：机器深度学习的未来？

  2. 近几年数据量和可访问性的迅速增长，使得人工智能的算法设计理念发生了转变。人工建立算法的做法被计算机从大量数据中自动习得可组合系统的能力所取代，使得计算机视觉、语音识别、自然语言处理等关键领域都出现了重大突破。深度学习是这些领域中所常使用的技术，也被业界大为关注。然而，深度学习模型需要极为大量的数据和计算能力，只有更好的硬件加速条件，才能满足现有数据和模型规模继续扩大的需求。     现有的解决方案使用图形处理单元（GPU）集群作为通用计算图形处理单元（GPGPU），但现场可编程门阵列（FPGA

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：154624
    • 提供者：weixin_38705699

  1. TensorFlow2.1.0最新版本安装详细教程

  2. TensorFlow是一款优秀的深度学习框架，支持多种常见的操作系统，例如Windows10，Mac Os等等，同时也支持运行在NVIDIA显卡上的GPU版本以及仅使用CPU进行运算的CPU版本。此篇教程将介绍如何安装最新版TensorFlow框架（2.1.0版本） 安装步骤 1.常用IDE安装 2.CUDA安装 3.cuDNN神经网络加速库安装 4.TensorFlow框架安装 常用IDE安装 用户在Python官网上可以下载到最新版本（Python3.7）的解释器。（Python官网）Pyt

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：630784
    • 提供者：weixin_38570278

  1. 浅谈神经网络在FPGA平台上的实现方案

  2. 近十年来，人工智能又到了一个快速发展的阶段。深度学习在其发展中起到了中流砥柱的作用，尽管拥有强大的模拟预测能力，深度学习还面临着超大计算量的问题。在硬件层面上，GPU，ASIC，FPGA都是解决庞大计算量的方案。本文将阐释深度学习和FPGA各自的结构特点以及为什么用FPGA加速深度学习是有效的，并且将介绍一种递归神经网络（RNN）在FPGA平台上的实现方案。　　揭开深度学习的面纱　　深度学习是机器学习的一个领域，都属于人工智能的范畴。深度学习主要研究的是人工神经网络的算法、理论、应用。自从200

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：156672
    • 提供者：weixin_38630463

  1. 一种递归神经网络在FPGA平台上的实现方案详解

  2. 近十年来，人工智能又到了一个快速发展的阶段。深度学习在其发展中起到了中流砥柱的作用，尽管拥有强大的模拟预测能力，深度学习还面临着超大计算量的问题。在硬件层面上，GPU，ASIC，FPGA都是解决庞大计算量的方案。本文将阐释深度学习和FPGA各自的结构特点以及为什么用FPGA加速深度学习是有效的，并且将介绍一种递归神经网络（RNN）在FPGA平台上的实现方案。 　　揭开深度学习的面纱 　　深度学习是机器学习的一个领域，都属于人工智能的范畴。深度学习主要研究的是人工神经网络的算法、理论、应用。自

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：323584
    • 提供者：weixin_38722329

  1. 通过GC Nano技术提升用户界面体验

  2. GPU是提升HMI用户体验的基础技术，可以实现屏幕/UI合成，包括多个源（ISP/照相机、视频等）的多层混合、图像过滤、字体渲染/加速、3D效果（变换、透视等）等很多其他功能。Vivante拥有一条基于GPU技术的综合产品线，包括GC Vega系列和GC Nano系列。 　　GC Vega系列适用于需要、GPU硬件和功能的SoC，这些功能包括：OpenGL ES 3.1，完整安卓扩展包（AEP）支持，包括硬件镶嵌/几何着色器（TS/GS）、DirectX 12、CTM（closetotheme

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：487424
    • 提供者：weixin_38721398

  1. 08 并行计算-清华大学薛巍.zip

  2. 包含一些内容 GPU与加速计算 MPI编程 OpenMP编程 并行程序性能优化 并行程序模型 并行和优化案例 高性能计算概述

  3. 所属分类：其它

    • 发布日期：2021-01-18
    • 文件大小：54525952
    • 提供者：itmscsharp

  1. Imagination宣布PowerVR汽车战略下一步计划

  2. Imagination Technologies宣布推出PowerVR Automotive完整产品套装，以促进汽车半导体行业的增长和加速。PowerVR Automotive结合了硬件知识产权（IP）、软件、工具、文档和长期支持五大基本要素，随着汽车行业迈向全自动驾驶，其可支持市场中的现有客户和新进入者以满足行业的安全标准和性能要求。 　　Imagination正在推出PowerVR Series8XT-A GPU内核，以对其在信息娱乐系统、数字驾驶舱和先进驾驶辅助系统（ADAS）中广泛使用

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：84992
    • 提供者：weixin_38701156

  1. 一款功能强大易用的图像处理库

  2. 该源码由源码天堂IOS源码频道免费提供下载。GPUImage是个功能十分强大、又十分易用的图像处理库。提供各种各样的图像处理滤镜，并且支持照相机和摄像机的实时滤镜。GPUImage顾名思义，是基于GPU的图像加速，所以图像处理速度十分快，并且能够自定义图像滤镜。支持ARC。

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：7340032
    • 提供者：weixin_38522323

  1. thundersvm:迅雷支持-源码

  2. 什么是新的 我们最近发布了 ，在GPU上快速GBDT和随机森林库。 添加scikit-learn接口，请参见 概述 ThunderSVM的任务是帮助用户轻松有效地应用SVM解决问题。 ThunderSVM利用GPU和多核CPU来实现高效率。 ThunderSVM的主要功能如下。 支持LibSVM的所有功能，例如一类SVM，SVC，SVR和概率SVM。 使用与LibSVM相同的命令行选项。 支持 ， ， 和接口。 支持的操作系统：Linux，Windows和MacOS。 为什么加速S

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：759808
    • 提供者：weixin_42150360

  1. iblviewer:具有Jupyter集成的基于Python的多用途可视化工具-源码

  2. IBL查看器 基于VTK的轻量级快速脑图集可视化工具，该工具使用（GPU）加速了体积和表面渲染。 它可以在python 3.8+上运行，并且正在进行将其完全集成到Jupyter笔记本中的工作。 要求 python3.8 +，numpy，pandas，vtk，pynrrd，matplotlib，ibllib，vedo。 如果安装并使用ibllib，则只需安装vedo。 安装 这是当前（2021年2月）使用pip的安装过程。 稍后将发布一个轮子，以便您可以“ pip install iblview

  3. 所属分类：其它

    • 发布日期：2021-03-30
    • 文件大小：1048576
    • 提供者：weixin_42127937

  1. AI教育行业报告-人机交互与个性化学习引领产业变革

  2. 1 个性化教学：大数据+深度学习将使个性化教学成为现实，这是在线教育最重要的突破点 2 场景化：多屏互动发展（包括VR在内的多载体应用） 深度学习+大数据+GPU并行计算共同推动近年来人工智能技术飞跃式发展。语音、视觉识别正确率已经超过95%，AI与各行业结合已经势在必行。 人工智能的一些底层技术已经相对成熟，使得在教育领域的应用开始加速发展。比如辅助阅卷需要的图像识别技术、自然语言理解能力，以及辅导机器人所需要的语音识别技术在近年来深度学习+大数据的训练下进展神速，所以教育领域的AI应用

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：1048576
    • 提供者：weixin_38722721

  1. dockerfile-x11docker-trinity:基本图像Trinity桌面-源码

  2. x11docker /三位一体 基于Debian的Trinity桌面环境。 Trinity是KDE 3的后继者。 在Docker中运行Trinity桌面。 使用在中运行GUI应用程序和桌面环境。 命令示例： 单个应用程序： x11docker x11docker/trinity konquerer 完整桌面： x11docker --desktop x11docker/trinity 选项： 使用--home在主机上存储的持久性home文件夹 使用--share PATH共享主机文件或

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：3072
    • 提供者：weixin_42180863

  1. NM-sparsity-源码

  2. N：M细粒度结构的稀疏神经网络 ， 为什么N：M稀疏？ 深入研究了深度神经网络（DNN）中的稀疏性，以在资源受限的环境中压缩和加速模型。 通常可以将其归类为将整个神经网络中分布的多个单个权重归零的非结构化细粒度稀疏性，以及修剪神经网络块的结构化粗粒度稀疏性。 细粒度的稀疏性可以实现较高的压缩率，但对硬件不友好，因此只能获得有限的速度增益。 另一方面，粗粒度的稀疏性不能同时实现现代GPU上的加速和维持性能。 N：M细粒度结构化稀疏网络，可以在专门设计的GPU上同时保持非结构化细粒度稀疏性和

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：114688
    • 提供者：weixin_42168230

  1. NVTabular:NVTabular是用于表格数据的功能工程和预处理库，旨在快速轻松地操作用于训练基于深度学习的推荐系统的TB级数据集-源码

  2. | 是用于表格数据的功能工程和预处理库，旨在快速轻松地处理TB级数据集并训练基于深度学习（DL）的推荐系统。它使用库提供了高级抽象，以简化代码并加速GPU上的计算。 NVTabular旨在使用我们已经开发的作为本地框架代码扩展的数据加载器与PyTorch和TensorFlow互操作。在我们的实验中，我们能够使用高度优化的数据加载器将现有的TensorFlow管道加速9倍，将现有的PyTorch管道加速5倍。 NVTabular是的组件。 NVIDIA Merlin用于构建大型推荐系统，该系统需

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：2097152
    • 提供者：weixin_42171208
« 1 2 ... 37 38 39 40 41 42»