小组项目 · 2024
用于 MNIST 的 CUDA C++ k-NN 分类器,在 10,000 张图像的测试集上达到 96.65% 的准确率。
一个小组项目,探索在 MNIST 数据集上为 k-NN 实现 GPU 加速。 实现包含用于欧氏距离和双调排序邻居选择的 kernel,并使用 CUDA 流、固定主机内存和 float4 加载,通过 CUDA 事件进行分阶段计时。
float4
该仓库报告在 10,000 张图像的测试集上达到 96.65% 的准确率。网站将其标注为小组项目,并未将团队成果归功于某一个人。
Qingze Luo
安全 · 隐私 · 软件
点击或按任意键跳过