2021-02-01-CUDA

最新推荐文章于 2022-07-11 17:45:03 发布

原创最新推荐文章于 2022-07-11 17:45:03 发布 · 125 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#cuda

小知识专栏收录该内容

2 篇文章

订阅专栏

博客主要围绕 CUDA 位置展开，虽内容简短，但聚焦于信息技术领域中 CUDA 这一关键技术的位置相关信息。

CUDA 位置

在这里插入图片描述

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

data_monk00

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

2021-11-14 Covins跑euroc数据集

qq_42614598的博客

11-14

5220

此Covins是2021年出的COVINS – A Framework for Collaborative Visual-Inertial SLAM and Multi-Agent 3D Mapping 想使用从网上没有找到有编译流程教程，在此记录。首先就是按照readme中步骤进行安装 1.环境、依赖 sudo apt-get update Install dependencies 安装依赖： sudo apt-get install doxygen libsuitesparse-dev libya

[漏洞验证] CVE-2021-1056 PoC 容器非法获取宿主机所有GPU

pockerfaceSad的博客

01-13

722

前言 CVE-2021-1056是我前一段时间提交给NVIDA PSIRT的一个存在于NVIDIA GPU驱动程序中与设备隔离相关的安全漏洞。前几天NVIDIA已经发布了安全公告和补丁，所以在这里记录一下这个漏洞相关的验证和理解，漏洞利用代码和其他一些信息已经开源在GitHub。利用这个漏洞，通过在容器中创建特殊的字符设备文件，一个非特权容器中的攻击者能够获取宿主机上所有GPU设备的权限。我认为这个漏洞在多租户HPC集群，尤其是在深度学习云平台上，会带来显而易见的安全风险。验证环境 Docker

参与评论您还未登录，请先登录后发表或查看评论

2021-01-02 Django快速建立网站

学习CUDA

01-02

181

Django快速建立项目(摘抄文档)，记不住，把主要步骤精简写下来 1. 建立project和application >django-admin startproject mysite >python manage.py startapp polls 2. 编辑url polls/urls.py from django.conf.urls import url from . import views urlpatterns = [ url(r'^$', views...

NVIDA CUDA-DirverAPI入门

Alkaid2000的博客

07-11

5320

CUDA是NVIDA公司所开发的GPU编程模型，它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序。

2021-08-24

weixin_41962493的博客

08-24

1278

nnUNet代码学习——预处理代码学习之前在实验室用了一段时间nnUNet代码，当时学习了一段时间，不过半途而废了。现在开始工作，感觉有必要将nnUNet的代码全部重新过一遍。那么就先从nnUNet预处理开始吧。首先先学习如何配置nnUNet。图像之间的依赖关系：图像大小，spacing nnUnet：模块化的设计用来增改网络如何在新数据集上运行nnUNet nnUNet使用混合精度进行训练注意pytorch>1.6、显卡、以及cudnn版本的协调使用cpu可进行相关的数据增强最好使用c

2021-03-10

BLvren_的博客

03-10

614

Bug Records 2021/3/10 Bug RuntimeError: cuda runtime error (38) : no CUDA-capable device is detected at /pytorch/aten/src/THC/THCGeneral.cpp:51 srun: error: node05: task 0: Exited with exit code 1 Solutions link: https://blog.youkuaiyun.com/qq_42815385/articl

2021-09-03 导入opencv cuda tensorrt的CmakeList 和 QT pro文件写法

aqwy1996822的博客

09-03

1564

简介本文将基于j etson nano 4G win10 ubuntu18 三种环境介绍CMAKE和QT的pro文件怎么写 jetson nano opencv是用apt-get安装的opencv4 cuda内置10.2 tensorrt内置7.1.3 QT pro #------------------------------------------------- # # Project created by QtCreator 2021-09-01T23:32:22 # #--

2021-07-01 Datawhale GNN 组队学习-Task05

akachanmama的博客

07-01

265

超大图上的节点表征学习超大图训练存在的问题普通的基于SGD的图神经网络的训练方法，随着图神经网络层数增加，计算成本呈指数增长保存整个图的信息和每一层每个节点的表征到内存（显存）而消耗巨大内存（显存）空间论文Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Network提出了一种新的图神经网络的训练方法。搜索了一下，另外还有一篇Simple and Deep Graph Con

2021-06-16 Datawhale GNN组队学习--Task01

akachanmama的博客

06-16

451

@[Datawhale GNN组队学习——Task02] 推荐系统中的图结构数据推荐系统中的涉及到的对象（user、item、feature等）大多数显式或隐式连接，构成天然的图并互相影响。基于图的推荐系统（GLRS）考虑到对象间的复杂关系，不仅可以丰富对象表示，还可以借助图推理提升推荐系统的可解释性。如何考虑不同的图结构的信息，为推荐系统带来了不同的挑战：树状图（item层次图）：item间具有层次关系。同层不同类的相邻item可能具有互补性（配套使用），同类item可能具有替代性（应避免重复推荐

(base) C:\Users\miracle>conda activate myenv (myenv) C:\Users\miracle>conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 pytorch-cuda=11.8 -c pytorch -c nvidia 3 channel Terms of Service accepted Channels: - pytorch - nvidia - defaults Platform: win-64 Collecting package metadata (repodata.json): done Solving environment: done ==> WARNING: A newer version of conda exists. <== current version: 25.11.0 latest version: 25.11.1 Please update conda by running $ conda update -n base -c defaults conda ## Package Plan ## environment location: C:\Users\miracle\.conda\envs\myenv added / updated specs: - pytorch-cuda=11.8 - pytorch==2.5.0 - torchaudio==2.5.0 - torchvision==0.20.0 The following packages will be downloaded: package | build ---------------------------|----------------- brotlicffi-1.0.9.2 | py39h885b0b7_2 318 KB certifi-2025.10.5 | py39haa95532_0 157 KB cffi-2.0.0 | py39h02ab6af_0 239 KB charset-normalizer-3.4.4 | py39haa95532_0 104 KB cuda-cccl-12.9.27 | 0 16 KB nvidia cuda-cccl_win-64-12.9.27 | 0 1.1 MB nvidia cuda-cudart-11.8.89 | 0 1.4 MB nvidia cuda-cudart-dev-11.8.89 | 0 723 KB nvidia cuda-cupti-11.8.87 | 0 11.5 MB nvidia cuda-libraries-11.8.0 | 0 1 KB nvidia cuda-libraries-dev-11.8.0 | 0 1 KB nvidia cuda-nvrtc-11.8.89 | 0 72.1 MB nvidia cuda-nvrtc-dev-11.8.89 | 0 16.1 MB nvidia cuda-nvtx-11.8.86 | 0 43 KB nvidia cuda-profiler-api-12.9.79 | 0 19 KB nvidia cuda-runtime-11.8.0 | 0 1 KB nvidia cuda-version-12.9 | 3 17 KB nvidia expat-2.7.3 | h885b0b7_4 31 KB filelock-3.17.0 | py39haa95532_0 33 KB giflib-5.2.2 | h7edc060_0 105 KB gmpy2-2.2.1 | py39h827c3e9_0 205 KB idna-3.11 | py39haa95532_0 184 KB intel-openmp-2023.1.0 | h59b6b97_46320 2.7 MB jinja2-3.1.6 | py39haa95532_0 276 KB lcms2-2.16 | hb4a4139_0 566 KB lerc-3.0 | hd77b12b_0 120 KB libcublas-11.11.3.6 | 0 33 KB nvidia libcublas-dev-11.11.3.6 | 0 375.9 MB nvidia libcufft-10.9.0.58 | 0 6 KB nvidia libcufft-dev-10.9.0.58 | 0 144.6 MB nvidia libcurand-10.3.10.19 | 0 46.7 MB nvidia libcurand-dev-10.3.10.19 | 0 242 KB nvidia libcusolver-11.4.1.48 | 0 29 KB nvidia libcusolver-dev-11.4.1.48 | 0 94.1 MB nvidia libcusparse-11.7.5.86 | 0 13 KB nvidia libcusparse-dev-11.7.5.86 | 0 175.7 MB nvidia libdeflate-1.17 | h2bbff1b_1 153 KB libexpat-2.7.3 | h885b0b7_4 119 KB libjpeg-turbo-2.0.0 | h196d8e1_0 618 KB libnpp-11.8.0.86 | 0 294 KB nvidia libnpp-dev-11.8.0.86 | 0 143.2 MB nvidia libnvjpeg-11.9.0.86 | 0 4 KB nvidia libnvjpeg-dev-11.9.0.86 | 0 1.9 MB nvidia libtiff-4.5.1 | hd77b12b_0 1.1 MB libwebp-1.3.2 | hbc33d0d_0 73 KB libwebp-base-1.3.2 | h3d04722_1 303 KB markupsafe-3.0.2 | py39h827c3e9_0 36 KB mkl-2023.1.0 | h6b88ed4_46358 155.9 MB mkl-service-2.4.0 | py39h827c3e9_2 66 KB mkl_fft-1.3.11 | py39h827c3e9_0 167 KB mkl_random-1.2.8 | py39hc64d2fc_0 257 KB mpmath-1.3.0 | py39haa95532_0 828 KB networkx-3.2.1 | py39haa95532_0 2.4 MB numpy-2.0.1 | py39h055cbcc_1 11 KB numpy-base-2.0.1 | py39h65a83cf_1 9.0 MB openjpeg-2.5.2 | hae555c5_0 268 KB pillow-11.1.0 | py39h096bfcc_0 759 KB pycparser-2.23 | py39haa95532_0 210 KB pysocks-1.7.1 | py39haa95532_1 29 KB python-3.9.25 | h716150d_1 16.0 MB pytorch-2.5.0 |py3.9_cuda11.8_cudnn9_0 1.38 GB pytorch pytorch-cuda-11.8 | h24eeafa_6 7 KB pytorch pytorch-mutex-1.0 | cuda 3 KB pytorch pyyaml-6.0.2 | py39h827c3e9_0 173 KB requests-2.32.5 | py39haa95532_0 150 KB sympy-1.14.0 | py39haa95532_0 11.5 MB tbb-2021.8.0 | h59b6b97_0 149 KB torchaudio-2.5.0 | py39_cu118 7.1 MB pytorch torchvision-0.20.0 | py39_cu118 7.7 MB pytorch typing_extensions-4.15.0 | py39haa95532_0 79 KB urllib3-2.5.0 | py39haa95532_0 307 KB win_inet_pton-1.1.0 | py39haa95532_1 9 KB ------------------------------------------------------------ Total: 2.66 GB The following NEW packages will be INSTALLED: blas pkgs/main/win-64::blas-1.0-mkl brotlicffi pkgs/main/win-64::brotlicffi-1.0.9.2-py39h885b0b7_2 bzip2 pkgs/main/win-64::bzip2-1.0.8-h2bbff1b_6 certifi pkgs/main/win-64::certifi-2025.10.5-py39haa95532_0 cffi pkgs/main/win-64::cffi-2.0.0-py39h02ab6af_0 charset-normalizer pkgs/main/win-64::charset-normalizer-3.4.4-py39haa95532_0 cuda-cccl nvidia/win-64::cuda-cccl-12.9.27-0 cuda-cccl_win-64 nvidia/win-64::cuda-cccl_win-64-12.9.27-0 cuda-cudart nvidia/win-64::cuda-cudart-11.8.89-0 cuda-cudart-dev nvidia/win-64::cuda-cudart-dev-11.8.89-0 cuda-cupti nvidia/win-64::cuda-cupti-11.8.87-0 cuda-libraries nvidia/win-64::cuda-libraries-11.8.0-0 cuda-libraries-dev nvidia/win-64::cuda-libraries-dev-11.8.0-0 cuda-nvrtc nvidia/win-64::cuda-nvrtc-11.8.89-0 cuda-nvrtc-dev nvidia/win-64::cuda-nvrtc-dev-11.8.89-0 cuda-nvtx nvidia/win-64::cuda-nvtx-11.8.86-0 cuda-profiler-api nvidia/win-64::cuda-profiler-api-12.9.79-0 cuda-runtime nvidia/win-64::cuda-runtime-11.8.0-0 cuda-version nvidia/noarch::cuda-version-12.9-3 expat pkgs/main/win-64::expat-2.7.3-h885b0b7_4 filelock pkgs/main/win-64::filelock-3.17.0-py39haa95532_0 freetype pkgs/main/win-64::freetype-2.13.3-h0620614_0 giflib pkgs/main/win-64::giflib-5.2.2-h7edc060_0 gmp pkgs/main/win-64::gmp-6.3.0-h537511b_0 gmpy2 pkgs/main/win-64::gmpy2-2.2.1-py39h827c3e9_0 idna pkgs/main/win-64::idna-3.11-py39haa95532_0 intel-openmp pkgs/main/win-64::intel-openmp-2023.1.0-h59b6b97_46320 jinja2 pkgs/main/win-64::jinja2-3.1.6-py39haa95532_0 jpeg pkgs/main/win-64::jpeg-9f-ha349fce_0 lcms2 pkgs/main/win-64::lcms2-2.16-hb4a4139_0 lerc pkgs/main/win-64::lerc-3.0-hd77b12b_0 libcublas nvidia/win-64::libcublas-11.11.3.6-0 libcublas-dev nvidia/win-64::libcublas-dev-11.11.3.6-0 libcufft nvidia/win-64::libcufft-10.9.0.58-0 libcufft-dev nvidia/win-64::libcufft-dev-10.9.0.58-0 libcurand nvidia/win-64::libcurand-10.3.10.19-0 libcurand-dev nvidia/win-64::libcurand-dev-10.3.10.19-0 libcusolver nvidia/win-64::libcusolver-11.4.1.48-0 libcusolver-dev nvidia/win-64::libcusolver-dev-11.4.1.48-0 libcusparse nvidia/win-64::libcusparse-11.7.5.86-0 libcusparse-dev nvidia/win-64::libcusparse-dev-11.7.5.86-0 libdeflate pkgs/main/win-64::libdeflate-1.17-h2bbff1b_1 libexpat pkgs/main/win-64::libexpat-2.7.3-h885b0b7_4 libffi pkgs/main/win-64::libffi-3.4.4-hd77b12b_1 libjpeg-turbo pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0 libnpp nvidia/win-64::libnpp-11.8.0.86-0 libnpp-dev nvidia/win-64::libnpp-dev-11.8.0.86-0 libnvjpeg nvidia/win-64::libnvjpeg-11.9.0.86-0 libnvjpeg-dev nvidia/win-64::libnvjpeg-dev-11.9.0.86-0 libpng pkgs/main/win-64::libpng-1.6.50-h46444df_0 libtiff pkgs/main/win-64::libtiff-4.5.1-hd77b12b_0 libuv pkgs/main/win-64::libuv-1.48.0-h827c3e9_0 libwebp pkgs/main/win-64::libwebp-1.3.2-hbc33d0d_0 libwebp-base pkgs/main/win-64::libwebp-base-1.3.2-h3d04722_1 libzlib pkgs/main/win-64::libzlib-1.3.1-h02ab6af_0 lz4-c pkgs/main/win-64::lz4-c-1.9.4-h2bbff1b_1 markupsafe pkgs/main/win-64::markupsafe-3.0.2-py39h827c3e9_0 mkl pkgs/main/win-64::mkl-2023.1.0-h6b88ed4_46358 mkl-service pkgs/main/win-64::mkl-service-2.4.0-py39h827c3e9_2 mkl_fft pkgs/main/win-64::mkl_fft-1.3.11-py39h827c3e9_0 mkl_random pkgs/main/win-64::mkl_random-1.2.8-py39hc64d2fc_0 mpc pkgs/main/win-64::mpc-1.3.1-h827c3e9_0 mpfr pkgs/main/win-64::mpfr-4.2.1-h56c3642_0 mpmath pkgs/main/win-64::mpmath-1.3.0-py39haa95532_0 networkx pkgs/main/win-64::networkx-3.2.1-py39haa95532_0 numpy pkgs/main/win-64::numpy-2.0.1-py39h055cbcc_1 numpy-base pkgs/main/win-64::numpy-base-2.0.1-py39h65a83cf_1 openjpeg pkgs/main/win-64::openjpeg-2.5.2-hae555c5_0 pillow pkgs/main/win-64::pillow-11.1.0-py39h096bfcc_0 pycparser pkgs/main/win-64::pycparser-2.23-py39haa95532_0 pysocks pkgs/main/win-64::pysocks-1.7.1-py39haa95532_1 pytorch pytorch/win-64::pytorch-2.5.0-py3.9_cuda11.8_cudnn9_0 pytorch-cuda pytorch/win-64::pytorch-cuda-11.8-h24eeafa_6 pytorch-mutex pytorch/noarch::pytorch-mutex-1.0-cuda pyyaml pkgs/main/win-64::pyyaml-6.0.2-py39h827c3e9_0 requests pkgs/main/win-64::requests-2.32.5-py39haa95532_0 sympy pkgs/main/win-64::sympy-1.14.0-py39haa95532_0 tbb pkgs/main/win-64::tbb-2021.8.0-h59b6b97_0 tk pkgs/main/win-64::tk-8.6.15-hf199647_0 torchaudio pytorch/win-64::torchaudio-2.5.0-py39_cu118 torchvision pytorch/win-64::torchvision-0.20.0-py39_cu118 typing_extensions pkgs/main/win-64::typing_extensions-4.15.0-py39haa95532_0 urllib3 pkgs/main/win-64::urllib3-2.5.0-py39haa95532_0 win_inet_pton pkgs/main/win-64::win_inet_pton-1.1.0-py39haa95532_1 xz pkgs/main/win-64::xz-5.6.4-h4754444_1 yaml pkgs/main/win-64::yaml-0.2.5-he774522_0 zlib pkgs/main/win-64::zlib-1.3.1-h02ab6af_0 zstd pkgs/main/win-64::zstd-1.5.7-h56299aa_0 The following packages will be UPDATED: openssl 1.1.1w-h2bbff1b_0 --> 3.0.18-h543e019_0 python 3.9.5-h6244533_3 --> 3.9.25-h716150d_1 Proceed ([y]/n)?

01-02

CUDA 11.8要求驱动程序版本至少为450.80.02（推荐>=460）[^4]。 - 用户可以通过在命令行运行`nvidia-smi`来查看驱动版本。如果驱动版本过低，需要更新驱动。 5. **验证安装**： - 安装完成后，在Python中运行以下...

greatwind的博客

01-18

5370

今天在查看CUDA版本时，发现两种方式显示的CUDA版本不一致，如下：在命令行输入nvcc -V命令查看CUDA版本： C:\cmd>nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2018 NVIDIA Corporation Built on Sat_Aug_25_21:08:04_Central_Daylight_Time_2018 Cuda compilation tools, release 10.0,

GeneratedClass1163.java

01-06

GeneratedClass1163.java

Neovim Lua使用指南

01-06

源码来自：https://pan.quark.cn/s/7a757c0c80ca 《在Neovim中运用Lua的详尽教程》在当代文本编辑器领域，Neovim凭借其卓越的性能、可扩展性以及高度可定制的特点，赢得了程序开发者的广泛青睐。其中，Lua语言的融入更是为Neovim注入了强大的活力。本指南将深入剖析如何在Neovim中高效地运用Lua进行配置和插件开发，助你充分发挥这一先进功能的潜力。一、Lua为何成为Neovim的优选方案经典的Vim脚本语言（Vimscript）虽然功能完备，但其语法结构与现代化编程语言相比显得较为复杂。与此形成对比的是，Lua是一种精简、轻量且性能卓越的脚本语言，具备易于掌握、易于集成的特点。因此，Neovim选择Lua作为其核心扩展语言，使得配置和插件开发过程变得更加直观和便捷。二、安装与设置在Neovim中启用Lua支持通常十分简便，因为Lua是Neovim的固有组件。然而，为了获得最佳体验，我们建议升级至Neovim的最新版本。可以通过`vim-plug`或`dein.vim`等包管理工具来安装和管理Lua插件。三、Lua基础在着手编写Neovim的Lua配置之前，需要对Lua语言的基础语法有所掌握。 Lua支持变量、函数、控制流、表（类似于数组和键值对映射）等核心概念。它的语法设计简洁明了，便于理解和应用。例如，定义一个变量并赋值：```lualocal myVariable = "Hello, Neovim!"```四、Lua在Neovim中的实际应用1. 配置文件：Neovim的初始化文件`.vimrc`能够完全采用Lua语言编写，只需在文件首部声明`set runtimepath^=~/.config/nvim ini...

基于STM32 F4的永磁同步电机无位置传感器控制策略研究

最新发布

01-06

基于STM32 F4的永磁同步电机无位置传感器控制策略研究内容概要：本文围绕基于STM32 F4的永磁同步电机（PMSM）无位置传感器控制策略展开研究，重点探讨在不使用机械式位置传感器的情况下，如何通过算法实现对电机转子位置和速度的精确估算与控制。文中结合STM32 F4高性能微控制器平台，采用如滑模观测器（SMO）、扩展卡尔曼滤波（EKF）或高频注入法等先进观测技术，实现对电机反电动势或磁链的实时估算，进而完成磁场定向控制（FOC）。研究涵盖了控制算法设计、系统建模、仿真验证（可能使用Simulink）以及在嵌入式平台上的代码实现与实验测试，旨在提高电机驱动系统的可靠性、降低成本并增强环境适应性。; 适合人群：具备一定电机控制理论基础和嵌入式开发经验的电气工程、自动化及相关专业的研究生、科研人员及从事电机驱动开发的工程师；熟悉C语言和MATLAB/Simulink工具者更佳。; 使用场景及目标：①为永磁同步电机驱动系统在高端制造、新能源汽车、家用电器等领域提供无位置传感器解决方案的设计参考；②指导开发者在STM32平台上实现高性能FOC控制算法，掌握位置观测器的设计与调试方法；③推动电机控制技术向低成本、高可靠方向发展。; 其他说明：该研究强调理论与实践结合，不仅包含算法仿真，还涉及实际硬件平台的部署与测试，建议读者在学习过程中配合使用STM32开发板和PMSM电机进行实操验证，以深入理解控制策略的动态响应与鲁棒性问题。

机械制造模具与冲压工具专业英语术语解析：标准化组件及工艺流程双语对照教学指导

01-06

内容概要：本文档是一份关于模具专业英语的学习资料，系统地介绍了冲压模具和注塑模具相关的术语及其英文表达。内容涵盖标准组件、模具结构部件、冲压工艺流程、排样设计以及注塑成型相关术语，并通过图表对照中英文词汇，帮助读者掌握模具行业常用技术语言。此外，文档还包含标点重要性的趣味片段和励志谚语，增强学习的趣味性和实用性。; 适合人群：从事模具设计、制造及相关工程技术领域的从业人员，或学习机械、材料成型等专业的学生；具备基本机械知识并对专业英语有提升需求的人群。; 使用场景及目标：①用于模具图纸阅读与国际项目沟通时的专业术语参考；②辅助工程技术人员提高英文技术文档的理解与写作能力；③作为企业内部培训或课堂教学材料，提升专业英语水平；阅读建议：建议结合实际模具结构和生产流程对照学习，重点记忆高频术语，同时可配合实物或三维模型加深理解，提升术语应用能力。

企业级协同管理平台-下载即用.zip

01-06

先看效果： https://pan.quark.cn/s/21391ce66e01 企业级办公自动化系统，一般被称为OA（Office Automation）系统，是企业数字化进程中的关键构成部分，旨在增强组织内部的工作效能与协同水平。本资源提供的企业级办公自动化系统包含了详尽的C#源代码，涉及多个技术领域，对于软件开发者而言是一份极具价值的参考资料。接下来将具体介绍OA系统的核心特性、关键技术以及在实践操作中可能涉及的技术要点。 1. **系统构造** - **三层构造**：大型OA系统普遍采用典型的三层构造，包含表现层、业务逻辑层和数据访问层。这种构造能够有效分离用户交互界面、业务处理过程和数据存储功能，从而提升系统的可维护性与可扩展性。 2. **C#编程语言** - **C#核心**：作为开发语言，C#具备丰富的类库和语法功能，支持面向对象编程，适用于开发复杂的企业级应用。 - **.NET Framework**：C#在.NET Framework环境中运行，该框架提供了大量的类库与服务，例如ASP.NET用于Web开发，Windows Forms用于桌面应用。 3. **控件应用** - **WinForms**或**WPF**：在客户端，可能会使用WinForms或WPF来设计用户界面，这两者提供了丰富的控件和可视化设计工具。 - **ASP.NET Web Forms/MVC**：对于Web应用，可能会使用ASP.NET的Web Forms或MVC模式来构建交互式页面。 4. **数据库操作** - **SQL Server**：大型OA系统通常采用关系型数据库管理系统，如SQL Server，用于存储和处理大量数据。 - **ORM框架**：如Ent...

屏幕注释工具-DrawPen(包含macos windows 系统安装包及源代码)

01-06

DrawPen是一款屏幕注释工具，可以在屏幕上进行实时绘图和标注，适合用于教学、演示和会议等场合。可以通过简单的快捷键快速切换不同的绘图工具，如笔、形状、文本、高亮、激光和橡皮擦等。还提供了颜色和线条粗细的切换功能，可以根据需要自定义绘图的外观。

SQL基础培训资料：-数据类型转换-美化版.docx

01-06

SQL基础培训资料：-数据类型转换-美化版.docx

STM32驱动AD7606开发工程

01-06

包含2个压缩包，1个是keil工程stm32驱动ad7606。另一个是ad7606驱动文件：bsp_spi_ad7606.c+bsp_spi_ad7606.h。

NVIDIA CUDA-Fortran开发工具套件简介

资源摘要信息:"CUDA-Fortran SDK" CUDA-Fortran SDK是由NVIDIA公司推出的软件开发工具包（Software Development Kit），旨在为使用CUDA并行计算平台和编程模型的开发者提供一套丰富的工具和库，使得开发者能够利用...