libatlas-base-dev 安装cuda： 这里面个小技巧就是，如何从host 主机导入数据到容器中，可以使用如下命令（在host上运行） sudo cp cuda_7.5.18_linux.run

整个系统有效运行，百度将整个CTC算法并行化处理。该项目包含了百度的高性能CPU以及CTC损失的CUDA版本，并绑定了Torch。代码库中提供了简单了C语言界面，以便于更好地融合深度学习框架。 这

com/s/1i3hGef7下载第三方库和解决方案，但我并未测试过，如果遇到bug，请到github上报告给我。  　　最后是CUDA和MKL了，MKL是可选的，大家可以去Intel官方申请，如果不用cpu模式的话其实也无所谓，在

04发现CUDA还没有官方支持14.04，然后果断选择重新安装12.04版本，免得折腾）。 3. 具体的需要安装的内容: 1. CUDA :不用说，混合异构编程是主流，而且CUDA现在也

的编码 - CUDA 解码零＋拷贝渲染支持。CUDA的零拷贝一般参考NVIDIA自带的例子，不过貌似没有一个播放器支持。而QtAV的实现方式与NVIDIA不一样，不需 要CUDA kernel、n

Dependent Types Software Foundations CUDA OpenCL Programming Guide for CUDA Architecture D D Templates Tutorial

摘要：如今深度学习是AI和机器学习领域最热门的学习趋势。我们来审查为深度学习而开发的软件，包括Caffe，CUDA convnet，Deeplearning4j，Pylearn2，Theano和Torch。 如

，在Mac上使用Docker我还是有很多经验的。现在你还不能在GPU上运行任何东西，Mac几乎不再支持CUDA。你可以在CPU模式下测试，它工作良好，只是有点慢。 我这里有一个在Ubuntu 16.04

发布，该版本优化了很多方面的性能，透过光学流算法改进 GPU 支持，在整个 GPU 模块上都有增强，支持 CUDA 4.1 和 CUDA 4.2, 可于 CUDA 5.0 预览版编译，增加很多新模块而且易用。

，通过Java设计的新式交互界面上，实现人 与程序的交互。 CUDA-Convnet CUDA是我们众所周知的GPU加速套件。而CUDA-Convnet是一个基于GPU加速的神经网络应用程序机器学

or on machines without one. Run it with OpenCL or CUDA. Credit goes to Collenchyma and Rust. Leaf is

如今深度学习是AI和机器学习领域最热门的学习趋势。我们来审查为深度学习而开发的软件，包括Caffe，CUDA convnet，Deeplearning4j，Pylearn2，Theano和Torch。

js. Github: github.com/karpathy/convnetjs CUDA-Convnet By now most everyone knows how GPUs can

neural networks in Python using GPU acceleration with CUDA through PyCUDA. It implements the most important

通过Java设计的新式交互界面上，实现人与程序的交互。 CUDA-Convnet CUDA是我们众所周知的GPU加速套件。而CUDA-Convnet是一个基于GPU加速的神经网络应用程序机器学

dataset with Torch7 and also easy to start with. Cuda : There is no doubt that GPU accelerates deep

   24        [OK]        tleyden5iwx/ubuntu-cuda           Ubuntu 14.04 with CUDA drivers pre-installed    19                   [OK]

http://daggerfs.com/ ），他目前在Google工作。 Caffe是纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口；可以在CPU和GPU直接无缝切换： Caffe

performant machine learning applications. 6. CUDA-Convnet CUDA convent is a tool that is automatically exported

在 CPU 上训练：Intel MKL 在 GPU 上训练：英伟达 CUDA 工具包 (cuDNN v5.1 for CUDA 8.0) 音频文件读取：Libsndfile 标准语音特征：FFTW