基于GPU的视频水印系统,实现了iOS平台上的实时水印处理。
IOS 49 次浏览
本研究实现了生命游戏的一个并行版本,该版本使用 OpenCL 利用图形处理单元 (GPU) 的并行处理能力。该实现将计算分布在多个 GPU 核心上,从而显著提高了游戏的性能。
C# 22 次浏览
CUDA 10 工具包是专为图灵架构GPU打造的开发平台,适用于构建高性能GPU加速应用程序。与之前的版本相比,CUDA 10 进行了重大更新,为英伟达新发布的 GeForce RTX 20 系列、Quadro RTX 系列显卡以及 Tesla T4 GPU 提供了全面支持。
C++ 44 次浏览
Komputation 是一个基于 Kotlin 和 CUDA C 的神经网络框架,专为在 Java虚拟机(JVM) 上高效运行设计,具备 GPU 加速 能力,尤其适用于处理大规模 机器学习任务。框架支持多种网络架构,以满足不同的机器学习需求: 支持的网络架构 循环神经网络(Recurrent N
Kotlin 26 次浏览
Docker 实战指南:Java 微服务部署与 GPU 加速 Docker 安装与配置 本指南将引导您完成 Docker 的安装和配置,以便您能够开始使用 Docker 容器化您的应用程序。 Docker 部署 Java 微服务 学习如何利用 Docker 高效部署 Java 微服务,实现应用的快速
Docker 43 次浏览
Swift和MetalPetal:GPU加速图形编程框架详解 Swift作为苹果公司的现代编程语言,以其易读性、安全性及高性能而备受青睐。而在图形处理领域,Metal是苹果推出的一个强大的底层图形编程接口,它允许开发者直接与GPU进行交互,以实现高效的图形和计算任务。Metal首次在2014年的全球
Swift 0 次浏览
对基于CUDA的快速傅里叶变换(FFT)在GPU和CPU上的性能进行了比较分析。通过实验,我们对比了不同规模FFT计算在两种硬件平台上的执行时间、加速比等指标,并对结果进行了深入分析。实验结果表明,GPU在处理大规模FFT计算时相较于CPU具有显著的性能优势。
Nodejs 18 次浏览