GPU处理图像 Shader的入门Shader着色器Shader出现在OpenGL ES 2.0中，允许创建自己的Shader。必须同时创建两个Shader，分别是Vertex shader和Fragment shader.Shader工具Shader会有很多坑，不过一些工具能够帮助你跳过这些坑GPUImage：https://github.com/BradLarson/GPUImage
Shad
内核裁剪的目标以前我一直想搞搞内核裁剪相关的东西，今天就抓住机会来搞一下。目标是在两个小时之内完成，只保留我的 linux 中需要使用的内核模块配置，其它的都删除。为什么我要进行内核裁剪玩内核裁剪的初衷在于我想编译主机上的 linux 内核，但因为它需要编译非常多的内核模块，编译时间太长只能放弃。我现在正在使用的 relase 内核中模块数目统计如下：[longyu@debian-10:08:24
转载
2024-10-27 21:19:52
63阅读
/剔除算法综述在游戏运行中，引擎渲染出数以万计的物体，场景复杂度往往是数千万面的级别，同时还需要处理千计盏灯光和数百种材质。因此，如何有效地减少不必要的绘制就显得格外重要。本文将就游戏引擎中用到的各种剔除技术进行概述，会较少涉及细节，感兴趣的同学可以去看文末的参考文献，文献中会有相关剔除算法的原理和具体实现。我们将分为以下四个方面来介绍：1.场景剔除工作原理2.常用剔除算法3.总结4.
什么是齐次裁剪我们先回顾一下，在硬件渲染管线中，一个顶点的变换到屏幕的过程可以如下图所示： 其实在很多图形学的书上都会讲到，在进行透视除法之前，我们的顶点会处于一个裁剪空间。裁剪空间：顾名思义，就是能够在这个空间里把一些不要的顶点都丢弃掉。那么它是如何实现的呢？ 实现原理在讨论齐次裁剪之前，我们先考虑一下一个多边形在空间中被一个平面截取的效果，以2D视角来观察的话可
转载
2024-05-02 20:52:44
68阅读
最近看到的一个示例代码中有使用gflags，就去简单查了一下资料学习一下。参考资料：gitHub官方使用文档 Gflags简明教程 http://dreamrunner.org/blog/2014/03/09/gflags-jian-ming-shi-yong/ GFlags使用文档 http://www.yeolar.com/note/2014/12/14/gflags/简介GFlags是Goo
转载
2024-04-22 07:04:01
54阅读
最近，英特尔以167亿美元收购了FPGA最大的生产商之一Altera，这是英特尔迄今为止最大的一笔收购。同时，微软正在其数据中心中使用FPGA；而亚马逊也在其云服务中提供FPGA支持。以前，FPGA主要用于电子工程，但在软件工程中使用比较少。FPGA是否即将起飞，成为CPU和GPU的重要替代品呢？1 什么是FPGA如果您想计算某些东西，常见的方法是编写针对基于指令的体系结构（如CPU或GPU）的软
转载
2024-08-30 11:29:18
30阅读
早在1990年，无处不在的交互式3D图形还只是科幻小说里的东西。十年后，基本上每台新电脑都包含一个图形处理单元(GPU，即Graphics processing unit)。直到今天，GPU的原始计算能力已经超越最强大的CPU，并且差距还在稳步增大。今天，GPU可以直接使用图形硬件来实现许多并行算法。那些利用底层计算能力的适当的算法常常会获得巨大的速度提升。任何3D图形系统的任务都是根据一个场景的
转载
2023-11-01 21:55:43
70阅读
本文是收录于CVPR2020的目标检测的新工作，从关键点检测的角度出发进行创新，提出了向心偏移和十字星可形变卷积等创新点，在COCO数据集上以48.0％的AP胜过所有现有的Anchor-free检测器，值得学习。论文地址：https://arxiv.org/pdf/2003.09119.pdf代码地址：https://github.com/KiveeDong/CentripetalNet基于关键点
出于尝试新东西的冲动，我把原来用wubi安装的8.04卸载了，并且另外格了个Ext3的分区来安装8.10。大概的步骤是参照 http://ilovemac.cn/articles/play-with-hardy-install-hd.html这里的内容，虽然它安装的版本是 8.04,但用在8.10上似乎也没错。事实证明我是一个RP非常低的人，具体表现为别人安装完全没问题的步骤，到我安装时却错漏百出
转载
2024-09-30 10:47:26
15阅读
史上，凭借在显卡市场上的领先地位，NVIDIA一直习惯于搞封闭技术，比如PhysX物理加速，比如CUDA并行计算，比如G-Sync同步刷新。但是这几年，NVIDIA正在逐步开放G-Sync，尤其是随着AMD FreeSync技术赢得越来越广泛的支持，NVIDIA的开放度也越来越高。在此之前，NVIDIA已经开放G-Sync兼容标准，使得原本仅支持FreeSync技术、没有G-Sync专用硬件模块的
转载
2024-03-15 10:29:57
178阅读
MATLAB中的代码优化MATLAB中的代码优化有两种重要的方法：预分配组和向量化循环。我们举一个简单的例子来看，创建一个MATLAB函数来计算f(x) = sin(x / 100π)：function y = sinfun1(M)
x = 0: M - 1;
for k = 1: numel(x)
y(k) = sin(x(k) / (100 * pi));
end这里 我们使用函数ti
目录1 任务与目的2 方案总体设计3 C#界面设计4 OpenCVSharp功能实现5 打包与运行6 总结任务与目的本次任务是设计一个能够实现OpenCV部分功能的图像处理软件。目的在于方便图像处理人员在具体编写OpenCV程序前，提前能够对图像进行简单处理，进而帮助开发人员分析该如何对图像进行处理。使用C#对界面和逻辑进行开发。界面开发的工具有很多，例如使用C++与QT进行开发。OpenCV针对
# Android 如何对视频宽高进行裁剪
在Android应用开发中，经常会需要处理视频，比如对视频进行裁剪以适应不同的显示需求。本文将介绍如何在Android中实现视频的裁剪，提供具体的解决方案和代码示例。
## 需求背景
假设我们有一个需要裁剪的原始视频文件，视频分辨率为1920x1080，我们希望将其裁剪为640x480的大小。为了实现这一目标，我们将使用Android的FFmpeg
前言最近有个项目,因为预算有限所以我们开发了一套软件视频矩阵系统去实现硬件视频矩阵的功能… 结果验收的时候客户说不会切片子…无奈搞了一套视频切割工具…(服了!)观摩一下说点正事吧,众所周知FFMPEG是个神奇的库,它能对媒体文件进行转码/分割/调速/序列合并分割甚至是抠像等操作.先搞一段代码观摩一下@echo off
title 斯幽柏雷科技 - 视频切割工具[4x1] (%~1)
if "%~1
转载
2024-08-26 22:54:26
175阅读
一、安装NVIDIA驱动去NVIDIA官网下载（http://www.nvidia.com/Download/index.aspx?lang=en-us）适合自己机器的GPU驱动（不用卸载系统自带的驱动也能成功） 如：NVIDIA-Linux-x86_64-384.111二、安装驱动1）先关闭图形环境，否则无法正常安装命令：sudo service lightdm stop然后按ctrl+alt
转载
2024-05-13 16:25:30
145阅读
# 如何利用GPU进行机器学习
近年来，随着深度学习和大数据的快速发展，GPU（图形处理单元）在机器学习领域扮演着越来越重要的角色。GPU的并行处理能力使其在进行大规模数据计算时，能够比传统的CPU（中央处理单元）快得多。本文将详细介绍如何利用GPU进行机器学习，包括GPU的基本概念、环境配置、常用框架及代码示例，最后通过一个简单的示例来展示GPU在机器学习中的应用。
## 一、GPU基本概念
# Ubuntu GPU 虚拟化详解
## 引言
随着深度学习、人工智能和其他高性能计算任务的快速发展，GPU（图形处理器）已成为加速计算的重要工具。在多个用户或多个虚拟机共同使用一台物理机的情况下，如何有效地利用这些 GPU 资源就显得尤为重要。GPU 虚拟化便是解决这一问题的有效手段。本文将通过 Ubuntu 操作系统介绍 GPU 虚拟化的概念、实施步骤和代码示例，以及其在实际工作中的应用
深度学习是一种强大的机器学习技术，它已经在许多领域取得了巨大的成功。然而，由于深度学习模型的复杂性和大规模的数据处理需求，传统的计算机往往无法满足深度学习任务的需求。为了解决这个问题，许多研究者开始开发使用GPU进行深度学习的方法。
GPU（图形处理器）是一种高度并行的硬件设备，适用于处理大规模的数据并执行高性能的计算任务。相比于传统的CPU，GPU在计算速度和能力方面具有明显的优势。因此，使用
原创
2023-12-24 03:42:20
123阅读
VS2015编译OPENCV4.2下载opencv4.2源代码及opencv_contrib源代码https://opencv.org/releases/将opencv_contrib放在opencv文件夹下在opencv创建一个文件夹CUDA_VS2015,用于存放转换openc工程源代码；打开CMake-gui.exe,选择opencv源代码、CUDA_VS2015：点击“Configure”
转载
2024-07-22 13:35:46
39阅读
什么是 GPU 加速的计算? GPU 加速计算是指同时采用图形处理单元 (GPU) 和 CPU，以加快科学、分析、设计、消费者和企业应用程序的速度。GPU 加速器于 2007 年由 NVIDIA 率先推出，现已在世界各地为政府实验室、大学、公司以及中小型企业的高能效数据中心提供支持。GPU 能够为从汽车、手机和平板电脑到无人机和机器人等平台的应用程序加快速度。 如何部署 GPU 加速应用 理解
转载
2023-07-31 23:44:02
89阅读
