总体而言，CUDA 已经成为科学计算和各种数据密集型应用的重要工具之一，通过利用 GPU 的并行计算能力，显著提高了计算速度和效率。

传统的视频质量评价指标包括 PSNR 和 SSIM 等。而 VMAF 由 Netflix于 2017 年提出，是一种全参考的视频质量评价指标，分数范围由 0 到 100，越高代表质量越好。VMAF 试图准确地捕捉人类的感知，将人类视觉建模与不断发展的机器学习技术相结合，使其能够适应新的内容，在与人类视觉感知保持一致方面表现出色。VMAF 现在已经被 Netflix，Snap，V-Nova等公司采用。

本文翻译自：《CUDA vs OpenCL vs Metal : The Battle for GPU Acceleration Supremacy》

我也是偶然在知乎的一个问题下看到这个问题，大概就是说在使用apex的LayerNorm/RMSNorm的时候可以打开这个api的memory_efficient开关，这个开关可以在速度和精度无损的情况下节省网络训练的显存占用。感觉比较有趣，我就研究了一下，因此也就有了这篇文章。

在这篇文章将介绍如何使用CUDA-PCL处理点云来获得最佳性能，由于PCL无法充分利用Jetson上的CUDA，NVIDIA开发了一些具有与PCL相同功能的基于CUDA的库。代码地址：https://github.com/NVIDIA-AI-IOT/cuPCL.git（只有动态库和头文件，作者说源码将在未来开源）。

在使用深度学习框架，如PyTorch或TensorFlow时，我们经常希望利用CUDA加速计算。然而，有时可能会遇到一个错误：RuntimeError: No CUDA GPUs are available。 这个错误表明深度学习框架无法检测到可用的CUDA GPU。但是大家明明都安装了CUDA了。 那么本文将详细分析这个错误的原因，并提供相应的解决方案。

作者配置为台式3060ti，环境为cuda11.4，cudnn8.2，pytorch1.9，python3.9

我有一台带有 Quadro P5000 显卡的机器，运行 Windows 10。我想在这个系统上训练 TTS 语音。我需要安装什么才能使它正常工作？