一、NPP
它是NVIDIA公司針對GPU加速圖像、視頻、信號處理庫（NPP全稱是NVIDIA Performance Primitives）。事實上，NPP和IPP（Integrated Performance Primitives）庫函數基本上是一一對應，不同的是一個在CPU上計算一個在GPU上計算。說一句題外話，IPP庫包含了許多底層優化的函數，如果已經安裝了IPP庫，opencv在運行時也會自動調用。
如何使用？配置好了cuda環境引入頭文件即可使用。
二、cuRAND
它是一個在GPU設備上生成隨機數的庫。同樣的，配置好了cuda環境引入頭文件即可使用。
三、cuBLAS
cuBLAS庫是用於進行矩陣運算，它包含兩套API，一個是常用到的cuBLAS API，需要用戶自己分配GPU內存空間，按照規定格式填入數據；還有一套CUBLASXT API，可以分配數據在CPU端，然後調用函數，它會自動管理內存、執行計算。既然都用cuda了，其實還是用第一套API多一點。
四、cudnn
這個想必不會陌生，搭建深度學習環境時需要配置這個庫。cuDNN是用於深度神經網絡的GPU加速庫。它強調性能、易用性和低內存開銷。cuDNN可以集成到更高級別的機器學習框架中，如Tensorflow、caffe等。簡單的插入式設計可以讓開發人員專注於設計和實現神經網絡模型，而不是簡單調整性能，同時還可以在GPU上實現高性能現代並行計算。
配置時只需要把cuDNN文件複製到CUDA的對應文件夾裏就可以，即是所謂插入式設計，把cuDNN數據庫添加CUDA裏，cuDNN是CUDA的擴展計算庫，不會對CUDA造成其他影響。