矩阵乘法稀疏矩阵与向量相乘（向量中的一切初始项均为1），结果存储在同一向量中，以进行下一次迭代。
迭代次数应指定为参数参数。
具有稀疏矩阵的.txt文件也应作为参数提供如果要查看结果，则应将第三个参数parameter初始化为1
迭代次数应指定为参数参数。
具有稀疏矩阵的.txt文件也应作为参数提供如果要查看结果，则应将第三个参数parameter初始化为1
2021/10/21 23:18:34
2KB
1
是《数字图像处理高级使用--基于MATLAB与CUDA的实现》这本书的示例代码，CUDA，GPU
2018/4/1 16:42:07
38.98MB
1
这是基于GPU-CUDA加速的SIFT算法。
用于图像范畴。
其中ShareMfileincludesSIFTCpucodeandSIFTCUDAcode,respectivelySiftCpu.cuandSiftCUDA.cu.
用于图像范畴。
其中ShareMfileincludesSIFTCpucodeandSIFTCUDAcode,respectivelySiftCpu.cuandSiftCUDA.cu.
2016/8/16 4:11:47
12.68MB
1
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。
环境配置比较麻烦，我资源里有现成编译好的install库文件。
配置环境为opencv342+contrib342+cuda9.2+VS2015。
环境配置比较麻烦，我资源里有现成编译好的install库文件。
2021/11/21 6:31:23
7KB
1
yolov4-deepsort使用YOLOv4，DeepSort和TensorFlow实现的对象跟踪。
YOLOv4是一种先进的算法，它使用深度卷积神经网络来执行对象检测。
我们可以将YOLOv4的输出输入这些对象检测到DeepSORT（带有DeepAssociationMetric的简单在线和实时跟踪）中，以创建一个高度精确的对象跟踪器。
关于对象的对象跟踪器的演示汽车上的对象跟踪器演示入门首先，请通过Anaconda或Pip安装适当的依赖项。
我建议使用GPU的人使用Anaconda路由，由于它可以为您配置CUDA工具包版本。
conda（推荐）#TensorflowCPUcondaenvcreate-fconda-cpu.ymlcondaactivateyolov4-cpu#TensorflowGPUcondaenvcreate-
YOLOv4是一种先进的算法，它使用深度卷积神经网络来执行对象检测。
我们可以将YOLOv4的输出输入这些对象检测到DeepSORT（带有DeepAssociationMetric的简单在线和实时跟踪）中，以创建一个高度精确的对象跟踪器。
关于对象的对象跟踪器的演示汽车上的对象跟踪器演示入门首先，请通过Anaconda或Pip安装适当的依赖项。
我建议使用GPU的人使用Anaconda路由，由于它可以为您配置CUDA工具包版本。
conda（推荐）#TensorflowCPUcondaenvcreate-fconda-cpu.ymlcondaactivateyolov4-cpu#TensorflowGPUcondaenvcreate-
2022/10/18 9:17:23
73.99MB
1
cg法matlab代码GPUTUM：有限元求解器GPUTUMFEM解算器是为处理FEM线性系统而编写的C++/CUDA库。
它旨在通过使用GPU硬件快速处理FEM系统。
该代码由美国盐湖城犹他大学科学计算与成像研究所的ZhisongFu和T.JamesLewis编写。
该代码背后的理论发表在下面的链接中。
目录-[FEM知识]（＃fem-aknowledgements）-[需求]（＃requirements）-[建筑物]（＃building）-[Linux和OSX]（＃linux-and-osx）-[Windows]（＃windows）-[运行示例]（＃running-examples）-[使用库]（＃using-the-library）-[测试]（＃testing）有限元知识****作者：付志松（a）詹姆斯·刘易斯（b）罗伯特·M·柯比（a）罗斯·惠特克（a）该库可处理GPU上四面体或三角形网格上顶点的偏微分方程和系数值。
支持多种网格格式，并由和读取。
用于分割非结构化网格。
用于测试。
要求Git，CMake（推荐3.0+
它旨在通过使用GPU硬件快速处理FEM系统。
该代码由美国盐湖城犹他大学科学计算与成像研究所的ZhisongFu和T.JamesLewis编写。
该代码背后的理论发表在下面的链接中。
目录-[FEM知识]（＃fem-aknowledgements）-[需求]（＃requirements）-[建筑物]（＃building）-[Linux和OSX]（＃linux-and-osx）-[Windows]（＃windows）-[运行示例]（＃running-examples）-[使用库]（＃using-the-library）-[测试]（＃testing）有限元知识****作者：付志松（a）詹姆斯·刘易斯（b）罗伯特·M·柯比（a）罗斯·惠特克（a）该库可处理GPU上四面体或三角形网格上顶点的偏微分方程和系数值。
支持多种网格格式，并由和读取。
用于分割非结构化网格。
用于测试。
要求Git，CMake（推荐3.0+
2022/10/9 16:12:56
1.5MB
1
cuda-repo-ubuntu1604-10-1-local-10.1.105-418.39_1.0-1_amd64libcudnn7_7.6.2.24-1+cuda10.1_amd64libcudnn7-dev_7.6.2.24-1+cuda10.1_amd64
2018/1/19 1:45:49
945.74MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB