isiqi
isiqi

ATI/NVIDIA显卡功耗表

ATI Multicard：（多卡交火）
HD4870X2 CF_________ 149W-512W
HD4870X2 + HD4870 CF_ 150W-409W (HD4870 512MB)
HD4870 CF____________ 128W-255W
HD4870 + HD4850 CF___96W-221W
HD4850 CF____________ 78W-199W
HD4670 CF___________ 44W-110W
HD3870 X2 CF_________ 95W-307W
HD3870X2 + HD3870 CF_82W-225W
HD3870 CF____________ 40W-163W
HD3850 CF____________ 40W-139W
HD2900 XT CF_________ 105W-306W (2x 1GB GDDR4)
HD2900 XT CF_________ 121W-331W (2x 512MB GDDR3)
X1950 XTX CF_________ 37W-211W
X1900 XTX CF_________ 43W-217W
X1900 XT CF__________ 27W-189W
X1950 Pro CF________24W-110W
X1900 GT CF _________ 123W
X1800 XT CF__________ 52W-171W
X1800 XL CF__________62W-149W
X1650 XT CF_________25W-101W
X1600 XT CF__________78W
X1600 PRO CF________67W
X1300 PRO CF________60W
X850 XT CF_________ 115W
X800 XL CF___________81W

ATI Single Card：（单卡）
HD4870 X2___________79W-87W-264W
HD4870 _____________80W-132W (1GB GDDR5)
HD4870 ______________65W-80W-130W
HD4850 X2____________230W *
HD4850 OC__________64W-133W (800/1250)
HD4850 ______________ 41W-61W-110W
HD4670 _____________16W-55W
HD4650 _____________10W-55W *
HD4470 ____________10W-50W *
HD4450 ____________10W-25W *
HD3870 X2____________58W-66W-171W
HD3870 OC__________ 117W-125W-181 (999/2484 1.71v)
HD3870 _____________19W-25W-81W
HD3850 X3__________ 156W
HD3850 X2__________54W-145W
HD3850 ____________14W-20W-63W
HD3690 ____________ 21W-51W
HD3650 ____________12W-42W (750/1600 512MB)
HD3650 _____________19W-53W (256MB)
HD3470 ____________ 32W
HD3450 _____________18W-36W
HD2900 XTX___________ 270W * (OEM 12.4")
HD2900 XTX__________240W * (Retail 9.5")
HD2900 XT___________ 65W-150W (1GB GDDR4)
HD2900 XT___________72W-76W-161W (512MB GDDR3)
HD2900 Pro__________ 71W-76W-133W
HD2900 XL___________ 180W *
HD2600 XT___________21W-28W-49W
HD2600 Pro_________16W-22W-31W
HD2400 XT__________ 7W-15W-19W
HD2400 Pro_________ 9W-15W
HD2400 LE _________ <25W
X1950 XTX___________33W-54W-125W
X1900 XTX___________29W-50W-121W
X1950 XT____________ 96W
X1900 XT____________ 28W-46W-109W
X1900 XT____________ 26W-100W (R580+ 256MB model)
X1950 Pro__________24W-36W-66W
X1950 GT __________ 30W-57W
X1900 GT ___________ 25W-45W-75W
X1800 XT OC ________# 26W-48W-110W (XT OC version, 700/1600)
X1800 XT___________ 30W-52W-103W
X1800 XL___________ 27W-42W-57W
X1800 GTO_________ 25W-35W-48W
X1650 XT____________ 23W-42W-55W
X1650 Pro___________ 23W-44W
X1600 XT__________24W-38W-42W
X1600 Pro__________ 24W-30W-41W
X1550 ____________ 27W
X1300 XT__________22W
X1300 Pro__________ 18W-26W-31W
X1050 ____________24W
X850 XT PE_________ 67W
X850 XT____________ 27W-45W-69W
X800 XT PE________ 18W-63W
X800 XT___________ 54W
X800 Pro__________ 15W-48W
X800 XL___________18W-36W-49W
X800 GTO_________19W-31W-49W
X800 GT __________21W-31W-40W
X800 ____________30W
X700 XT___________ 12W-38W
X700 PRO_________16W-30W-33W
X700 ____________ 15W-44W
X600 XT___________ 11W-25W
X600 Pro__________12W-36W
X300 _____________ 8W-36W
X300 SE __________ 7W-30W
9800 XT____________38W-60W
9800 Pro__________ 31W-47W
9700/9800__________34W
9600 XT__________ 9W-22W
9600 Pro__________9W-18W
9500/9600__________12W
9000-9200_________ 28W
7x00-8500_________ 23W
<=32MB AGP/PCI ____ <15w


nVidia Multicard：（多卡交火）
GTX280 3x SLI ______ 520W
GTX280 SLI_________88W-345W
GTX260 3x SLI _______ 130W-389W
GTX260 SLI__________ 95W-272W
9800 GX2 SLI________144W-325W ("Quad SLI")
9800 GTX 3x SLI _____ 142W-234W
9800 GTX+ SLI_______102W-215W
9800 GTX SLI________92W-228W
9600 GT SLI________ 79W-137W (2x 512MB)
8800 Ultra 3x SLI_____247W-496W
8800 Ultra SLI ________168W-313W
8800 GTX SLI________ 142W-231W
8800 GTS SLI________ 103W-217W (2x 512MB)
8800 GT SLI__________79W-157W (2x 512MB)
8800 GTS SLI________112W-177W (2x 640MB)
8800 GTS SLI________169W (2x 320MB)
8600 GTS SLI________ 79W
7950 GX2 SLI________89W-169W ("Quad SLI")
7950 GT SLI_________ 49W-117W
7900 GX2 SLI________ 205W ("Quad SLI")
7900 GTX SLI________ 62W-168W
7900 GT SLI_________ 41W-98W
7900 GS SLI________ 41W-101W
7800 GTX 512 SLI ____ 64W-193W
7800 GTX SLI_______56W-161W
7800 GT SLI_________35W-120W
7600 GT SLI_______24W-69W
7600 GS SLI________47W
7300 GS SLI_______ 29W
6800 Ultra SLI_______122W
6800 GT SLI _________ 94W
6800 GS SLI_________ 39W-115W
6600 GT SLI ________ 33W-90W

nVidia Single Cards：（单卡）
GTX 280 OC_________ 51W-80W-193W (700/1400)
GTX 280_____________ 50W-79W-178W
GTX 260_____________ 46W-146W (216SP)
GTX 260_____________ 44W-65W-136W
9800 GX2____________ 69W-83W-182W
9800 GTX+___________ 52W-117W
9800 GTX OC________68W-82W-183W (875/1100 1.528v)
9800 GTX____________ 45W-54W-108W
9800 GT_____________ 35W-116W
9600 GT____________ 27W-34W-61W (512MB)
9600 GT____________26W-59W (256MB)
9600 GSO __________ 42W-106W (384MB)
9500 GT__________ 19W-35W (256MB)
9400 GT___________11W-33W (1GB)
8800 Ultra ___________85W-161W
8800 GTX___________ 70W-83W-132W (768MB)
8800 GTS ___________ 38W-58W-99W (512MB G92)
8800 GT OC ________ 36W-41-86W (512MB 700/1025)
8800 GT ___________ 35W-39W-78W (512MB)
8800 GT ___________31W-50W (256MB)
8800 GTS OC________60W-78W-117W (640MB 576/1350)
8800 GTS ___________58W-71W-106W (640MB)
8800 GTS __________56W-69W-103W (320MB)
8800 GS ___________ 27W-59W
8600 GTS __________ 21W-31W-47W
8600 GT ___________26W-52W
8500 GT __________14W-19W-27W
8400 GS __________ 13W-23W
8300 GS ___________ 18W
7950 GX2 ___________50W-110W
7900 GX2 __________109W
7900 GTX __________31W-52W-84W
7900 GTO__________ 27W-92W
7950 GT ___________26W-37W-61W
7900 GT __________23W-32W-48W
7900 GS___________ 19W-28W-45W
7800 GTX 512_______ 29W-53W-95W
7800 GTX __________29W-52W-81W
7800 GT __________20W-39W-57W
7800 GS__________ 44W
7600 GT __________ 15W-23W-36W
7600 GS __________14W-20W-27W (underclocked GT)
7300 GT __________13W-29W
7300 GS _________ 9W-10W-16W
7300 LE_________10W
6800 Ultra__________ 29W-72W
6800 GT ___________23W-55W
6800 GS___________20W-41W-55W
6800 ______________15W-31W-39W
6600 GT __________ 19W-39W-48W
6600 _____________12W-24W-27W (GDDR2 model)
6200 ___________11W-26W
FX 5950 Ultra________ 20W-73W
FX 5900 Ultra________27W-59W
FX 5900 XT_________ 24W-35W
FX 5800 __________44W
FX 5700 Ultra______ 24W-46W
FX 5700 _________ 10W-24W
FX 5600 _________ 37W
FX 5200 __________27W
GF4 Ti ____________ 40W
GF4 MX __________ 22W
GF3 Ti ____________ 35W
<=32MB AGP/PCI___ <15w

你可能感兴趣的:(nVidia)

  • 英伟达打造个人 AI 超级计算机：Project DIGITS 震撼登场
    手掌大小的超级计算机Nvidia在CES2025上为桌面用户推出了一款大小和手掌差不多的超级计算机——ProjectDIGITSAI超级计算机。虽然它的大小和一个手掌差不多，但性能方面可以说是强到惊人。ProjectDIGITSProjectDIGITSProjectDIGITS搭载全新的GB10GraceBlackwell超级芯片，这是一款基于NVIDIAGraceBlackwell架构的片上系
  • NVIDIA DPU — DOCA — Overview 范桂飓 软硬件融合加速技术专栏正则表达式服务器运维
    目录文章目录目录DOCADOCA的软件架构DOCA的部署架构DOCA的零信任安全框架DOCA的开发周期DOCA早在2020年GTC大会上，英伟达发布了BlueField-2DPU，与之一同发布了DOCA1.0。DOCA（Data-CenterInfrastructureonaChipArchitecture，集数据中心功能于芯片的架构）是一个抽象的层，简化了API的调用。开发者可以直接使用底层的D
  • `Port: Direct Attach Copper` 和 `Port: Twisted Pair` 喝醉酒的小白 Liunx网络
    目录标题这些端口类型的来源结论1.**IntelNetworkInterfaceCards(NICs)**2.**Broadcom/AvagoTechnologies**3.**MellanoxTechnologies(现为NVIDIA)**4.**ChelsioCommunications**5.**Realtek**6.**Netgear/TP-Link/ASUS**总结你提到的Port:Di
  • error: libcublasLt.so.11: cannot open shared object file: No such file or directory/缺少libcublas.so查找 鼾声鼾语 linuxubuntu服务器pythoncan通讯方法
    1,问题：gstnvtracker:Loadinglow-levellibat/opt/nvidia/deepstream/deepstream/lib/libnvds_nvmultiobjecttracker.sogstnvtracker:Failedtoopenlow-levellibat/opt/nvidia/deepstream/deepstream/lib/libnvds_nvmulti
  • 安装CUDA Cudnn Pytorch(GPU版本）步骤 学乐乐 pytorch人工智能python
    一.先看自己的电脑NVIDIA支持CUDA版本是多少？1.打开NVIDIA控制面板2.点击帮助---系统信息--组件我的支持CUDA11.6二.再看支持Pytorch的CUDA版本三.打开CUDA官网下载CUDA11.6下载好后，安装选择自定义然后安装位置（先去F盘建个CUDA-manger文件夹然后在里面建个CUDA11.6文件夹再在里面建立CUDA1CUDA2这两个文件夹前两个位置选到CUDA
  • MacOS/C/C++下怎样进行软件性能分析(CPU/GPU/Memory) 捕鲸叉 软件调试和诊断软件调试软件验证
    在macOS环境下进行C/C++软件性能分析，可以使用多种工具和技术来测量和优化CPU、GPU和内存的性能。macOS提供了丰富的性能分析工具，如Instruments、gprof、Perf、以及NVIDIA和Intel的专用工具。下面详细介绍了实现思想和操作方法。1.性能分析的目标CPU：分析CPU的使用情况，找出性能瓶颈、热点代码。GPU：分析GPU的使用情况，确保GPU资源被有效利用。内存：
  • docker和Nvidia-docker安装教程 _helen_520 安装和配置各种环境dockerlinux运维
    channels:https://mirrors.ustc.edu.cn/anaconda/pkgs/main/https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/defaultsshow_channel_urls:truedoc
  • jax 和 jaxlib 的 cuda 版本安装 正经市民 linux人工智能pythonpip
    笔者花费时间才在Ubuntu20.04适配上jax和jaxlib的cuda版本安装，以及chex版本。版本展示本人版本展示jax==0.4.27，jaxlib==0.4.27+cuda12.cudnn89，chex==0.1.86。安装过程cuda以及环境变量配置过程首先安装cuda12.4和cudnn8.9，给出链接：cuda：https://developer.nvidia.com/cuda-
  • nvidia-container-toolkit安装失败的解决 3TV python
    curl-xhttp://xxx:xxx-fsSLhttps://nvidia.github.io/libnvidia-container/gpgkey|sudogpg--dearmor-o/usr/share/keyrings/nvidia-container-toolkit-keyring.gpgcurl-xhttp://xxx:xxx-s-Lhttps://nvidia.github.io/
  • 全面解析NVIDIA显卡：从入门级到旗舰级显卡详解 花千树-010 大模型人工智能算法智能电视
    在选择显卡时，了解不同显卡的性能和适用场景是非常重要的。无论你是预算有限的入门用户，还是追求极致性能的游戏玩家，亦或是专业的内容创作者和深度学习研究人员，NVIDIA都有适合你的显卡。本篇博文将详细列举NVIDIA显卡的各项配置，从低到高逐一整理，并给出适用的使用场景。入门级显卡NVIDIAGeForceGT1030CUDA核心数:384基础频率:1227MHz加速频率:1468MHz显存:2GB
  • 从零开始的 AI Infra 学习之路 SSS不知-道 MLSys人工智能深度学习pytorch
    从零开始的AIInfra学习之路文章目录从零开始的AIInfra学习之路一、概述二、AI算法应用2.1机器学习2.2深度学习2.3LLM三、AI开发体系3.1编程语言四、AI训练框架&推理引擎4.1PyTorch4.2llama.cpp4.3vLLM五、AI编译&计算架构5.1CUDA5.2CANN六、AI硬件&体系结构6.1INVIDIAGPU6.2AscendNPU一、概述AIInfra（AI
  • ImportError: libnvinfer.so.8: cannot open shared object file: No such file or directory kyle-fang 模型部署经验分享
    安装完TensorRT后，导入报错ImportError:libcudnn.so.8:cannotopensharedobjectfile:Nosuchfileordirectory上面报错信息的意思主要是liblibcudnn.so.8这个文件找不到在网上查资料后知道了这个文件是在cudnn的安装包里的，那需要先安装cudnnNVIDIA官网下载cuDNN8.2.1CUDA11.x安装包并解压到
  • 【已解决】ImportError: libnvinfer.so.8: cannot open shared object file: No such file or directory 小小小小祥 python
    问题描述：按照tensorrt官方安装文档：https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html#installing-tar安装完成后，使用python测试导入tensorrtimporttensorrt上述代码报错：Traceback(mostrecentcalllast):File“main.py”,li
  • NVIDIA发布企业级硬件 AI 参考架构 深度学习服务器 深度学习架构服务器pythonplotly
    NVIDIA发布企业级硬件AI参考架构NVIDIA英伟达在OCP峰会后发布了许多AI参考架构，#GPU服务器#供应商与Nvidia合作开发了大规模部署NvidiaAI硬件所需的基础设施硬件，近日Nvidia宣布企业级客户构建的参考架构。NVIDIADGXSuperPOD架构，该架构完全使用Nvidia服务器和网络技术构建。从设计到部署进行优化新发布的参考架构（RA）产品适用于部署范围为32到102
  • 实验室多人共享GPU服务器搭建指南（更新ing） Geodesy&Geomatic 服务器运维gpu算力深度学习docker
    1.服务器参数设置1.1实验室服务器参数操作系统Ubuntu20.04LTS系统挂盘：SSD（2×960GB）为Raid1、STAT（2×10T）为Raid0什么是raid0、raid1、raid5、raid10？需要几块硬盘？linux安装nvidia驱动必备（笔者实验室的GPU服务器交货时已安装驱动，不再详述）Ubuntu20.04安装Nvidia驱动——4060显卡（黑屏解决方法）1.首先禁
  • 深度学习(1) 浅忆へ梦微凉 深度学习人工智能深度学习学习方法python
    一、torch的安装基于直接设备情况，选择合适的torch版本，有显卡的建议安装GPU版本，可以通过nvidia-smi命令来查看显卡驱动的版本，在官网中根据cuda版本，选择合适的版本号，下面是安装示例代码GPU：pipinstalltorch==2.5.0torchvision==0.20.0torchaudio==2.5.0--index-urlhttps://download.pytorc
  • NVIDIA下一代Hopper架构曝光，采用5nm工艺 晶体管超1400亿 Java小海. 架构人工智能后端程序人生java
    据媒体报道，NVIDIA下一代主要面向高性能计算、人工智能等Hopper架构，将会采用5nm工艺制程，晶体管多达1400亿个，面积核心达到了900平方毫米，是有史以来最大的GPU。作为参考，NVIDIA自家旗舰Ampere架构的A100为542亿个晶体管（每平方毫米约为6560万个晶体管），AMD阵营中采用Aldebaran架构的InstinctMI200系列为582亿个晶体管（每平方米约为736
  • NVIDIA Hopper解说 白总Server redis数据库缓存rustmongodb大数据数据仓库
    NVIDIAHopper架构是NVIDIA推出的面向高性能计算（HPC）和人工智能（AI）的最新一代GPU架构。它代表了NVIDIA在加速计算领域的最新进展，旨在为AI训练和推理、HPC应用提供前所未有的性能提升。NVIDIAHopper架构和基于该架构的GPU产品H100的详细信息：NVIDIAHopper架构技术特点：第四代TensorCore：Hopper架构引入了第四代TensorCore
  • NVIDIA Hopper 架构深入 RZer 硬件工程架构NVIDIA
    在2022年NVIDIAGTC主题演讲中，NVIDIA首席执行官黄仁勋介绍了基于全新NVIDIAHopperGPU架构的全新NVIDIAH100TensorCoreGPU。文章目录前言一、NVIDIAH100TensorCoreGPU简介二、NVIDIAH100GPU主要功能概述1.新的流式多处理器（SM）具有许多性能和效率改进。主要新功能包括：2.新的transformer引擎结合使用软件和定制
  • centos7安装cuda、dudnn、Nvidia驱动[最详细的教程和报错解决方案] LensonYuan 自然语言处理深度学习自然语言处理数据挖掘机器学习深度学习
    现在很多教程都没有覆盖全报错问题，本文几乎把所有问题都描述到位首先说下我电脑的环境：centos7x86-64：uname-r命令显示为3.10.0-1160.el7.x86_64；物理显卡为单卡2080ti；gcc通过yum安装，yuminstallgcc版本为4.8.5,同时会显示安装一些其他包，如glibc版本为2.17；安装准备以下为驱动和官网文件名一致，可到nvidia官网下载，选择历史
  • Ultralytics YOLOv8 英伟达™ Jetson®处理器部署 kuan_li_lyg 树莓派&JetsonYOLO机器人自动驾驶强化学习计算机视觉深度学习人工智能
    系列文章目录前言本综合指南提供了在英伟达Jetson设备上部署UltralyticsYOLOv8的详细攻略。此外，它还展示了性能基准，以证明YOLOv8在这些小巧而功能强大的设备上的性能。备注本指南使用SeeedStudioreComputerJ4012进行测试，它基于运行最新稳定JetPack版本JP5.1.3的NVIDIAJetsonOrinNX16GB。对于较
  • 华为昇腾AI处理器，atc模型转换和推理过程，华为的CANN库对标的是NVIDIA的cuda，所以在华为昇腾AI处理器上安装了CANN后，就可以直接使用pytorch了，以及推理框架(参考学习) 鼾声鼾语 嵌入式硬件学习stm32python数据库
    1，模型转换atc模型转换模型转换如图参考链接如下：https://toscode.mulanos.cn/ascend/samples/tree/master/inference/modelInference/sampleResnetQuickStart/cpp2，推理运行，这里需要注意用到了infer，有点类似的pytorch对模型的加载使用model=InferSession(0,model_
  • 报错解决：undefined symbol: _ZN15TracebackLoggerC1EPKc, version libcudnn_ops_infer.so.8 打工人你好 python
    搭建resemble-enhance这个项目的过程中，在Ubuntu20.04的机器上跑，报错如下：undefinedsymbol:_ZN15TracebackLoggerC1EPKc,versionlibcudnn_ops_infer.so.8这个错误是在NVIDIAGPU上使用PyTorch2.1.2和cuDNN12.1时使用torch.nn.Conv2d时出现符号查找错误，这意味着PyTor
  • 英伟达（NVIDIA）B200架构解读 weixin_41205263 芯际争霸GPGPU架构gpu算力人工智能硬件架构
    H100芯片是一款高性能AI芯片，其中的TransformerEngine是专门用于加速Transformer模型计算的核心部件。Transformer模型是一种自然语言处理（NLP）模型，广泛应用于机器翻译、文本生成等任务。TransformerEngine的电路设计原理主要包括以下几个方面：
  • 使用vllIm部署大语言模型 添砖JAVA的小墨 机器学习
    使用vllm部署大语言模型一般需要以下步骤：一、准备工作1.系统要求-操作系统：常见的Linux发行版（如Ubuntu、CentOS）或Windows（通过WSL）。-GPU支持：NVIDIAGPU并安装了适当的驱动程序。-足够的内存和存储空间。2.安装依赖-Python3.8及以上版本。-CUDA工具包（根据GPU型号选择合适的版本）。二、安装vllm1.创建虚拟环境（推荐）-使用Conda：c
  • 人工智能-GPU版本机器学习、深度学习模型安装 bw876720687 人工智能机器学习深度学习
    背景1、在有Nvidia-GPU的情况下模型使用cuda加速计算，但是很有多模型的GPU和CPU版本安装方式不同，如何安装lgb\cat\xgb.2、为了让代码有普适性，如何自适应环境当中的设备进行CPU或者GPU的调整？解决方案问题一：安装GPU版本的LightGBMLightGBM默认不会安装GPU支持版，需要手动编译以启用GPU。以下是在Linux和Windows上编译GPU版本LightG
  • 黄仁勋最新演讲全文：我忍受的一切挫折、痛苦和磨难淬炼了超能力｜钛媒体AGI | 最新快讯... 深夜冒泡 媒体agi人工智能
    “我们彻底改变了公司。我们也彻底改变了计算。”英伟达创始人、CEO黄仁勋（JensenHuang）钛媒体App获悉，当地时间6月15日，英伟达创始人、CEO黄仁勋（JensenHuang）参加美国加州理工学院第130届毕业典礼，并发表了一段题为“迎难而上抓住机会“（EmbraceChallengesandSeizeOpportunities）的主题演讲。黄仁勋畅谈了英伟达（NVIDIA）自1993
  • 黄仁勋的思维世界：Nvidia的AI和游戏之王 AI小夏 人工智能游戏百度
    在这个行业中，黄仁勋是一位举足轻重的人物，也是Nvidia的联合创始人之一。他因在创新方面的强大而富有远见的领导力而受到认可。从卑微的起点到领导一家改变了电子游戏和人工智能面貌的公司，黄仁勋的故事启迪了人们的雄心、韧性以及如何超前思考。早年生活和职业生涯黄仁勋出生于台湾，九岁时移居美国。在成长过程中，他的生活充满了辛劳和决心，这些品质后来成为他职业生涯的标志。随后，黄仁勋就读于俄勒冈州立大学，攻读
  • 缩小模拟与现实之间的差距：使用 NVIDIA Isaac Lab 训练 Spot 四足动物运动 AI人工智能集结号 人工智能
    目录在IsaacLab中训练四足动物的运动能力目标观察和行动空间域随机化网络架构和RL算法细节先决条件用法训练策略执行训练好的策略结果使用JetsonOrin在Spot上部署经过训练的RL策略先决条件JetsonOrin上的硬件和网络设置Jetson上的软件设置运行策略开始开发您的自定义应用程序由于涉及复杂的动力学，为四足动物开发有效的运动策略对机器人技术提出了重大挑战。训练四足动物在现实世界中上
  • Ubuntu 开机出现 recovering journal 无法进入图形界面解决流程(不通用，自用) Artintel 学习ubuntu
    远程连接进入命令行：rm-rf/etc/X11/xorg.confcp/etc/X11/xorg.conf.failsafe/etc/X11/xorg.confsudoservicelightdmstopsudoapt-getremovenvidia*cdjohn/qudong+cuda9.0\+\cudnn/sudochmoda+xnv.runsudo./nv.run-no-x-check-no
  • jsonp 常用util方法 hw1287789687 jsonpjsonp常用方法jsonp callback
    jsonp 常用java方法 (1)以jsonp的形式返回:函数名(json字符串) /*** * 用于jsonp调用 * @param map : 用于构造json数据 * @param callback : 回调的javascript方法名 * @param filters : <code>SimpleBeanPropertyFilter theFilt
  • 多线程场景 alafqq 多线程
    0 能不能简单描述一下你在java web开发中需要用到多线程编程的场景？0 对多线程有些了解，但是不太清楚具体的应用场景，能简单说一下你遇到的多线程编程的场景吗？ Java多线程 2012年11月23日 15:41 Young9007 Young9007 4 0 0 4 Comment添加评论关注(2) 3个答案 按时间排序 按投票排序 0 0 最典型的如： 1、
  • Maven学习——修改Maven的本地仓库路径 Kai_Ge maven
          安装Maven后我们会在用户目录下发现.m2 文件夹。默认情况下，该文件夹下放置了Maven本地仓库.m2/repository。所有的Maven构件(artifact)都被存储到该仓库中，以方便重用。但是windows用户的操作系统都安装在C盘，把Maven仓库放到C盘是很危险的，为此我们需要修改Maven的本地仓库路径。    
  • placeholder的浏览器兼容 120153216 placeholder
    【前言】 自从html5引入placeholder后，问题就来了， 不支持html5的浏览器也先有这样的效果， 各种兼容，之前考虑，今天测试人员逮住不放， 想了个解决办法，看样子还行，记录一下。   【原理】 不使用placeholder，而是模拟placeholder的效果， 大概就是用focus和focusout效果。   【代码】 <scrip
  • debian_用iso文件创建本地apt源 2002wmj Debian
    1.将N个debian-506-amd64-DVD-N.iso存放于本地或其他媒介内，本例是放在本机/iso/目录下 2.创建N个挂载点目录 如下： debian:~#mkdir –r /media/dvd1 debian:~#mkdir –r /media/dvd2 debian:~#mkdir –r /media/dvd3 …. debian:~#mkdir –r /media
  • SQLSERVER耗时最长的SQL 357029540 SQL Server
    对于DBA来说，经常要知道存储过程的某些信息： 1.   执行了多少次 2.   执行的执行计划如何 3.   执行的平均读写如何 4.   执行平均需要多少时间 列名          &
  • com/genuitec/eclipse/j2eedt/core/J2EEProjectUtil 7454103 eclipse
    今天eclipse突然报了com/genuitec/eclipse/j2eedt/core/J2EEProjectUtil 错误，并且工程文件打不开了，在网上找了一下资料，然后按照方法操作了一遍，好了，解决方法如下： 错误提示信息： An error has occurred.See error log for more details. Reason: com/genuitec/
  • 用正则删除文本中的html标签 adminjun javahtml正则表达式去掉html标签
    使用文本编辑器录入文章存入数据中的文本是HTML标签格式，由于业务需要对HTML标签进行去除只保留纯净的文本内容，于是乎Java实现自动过滤。 如下： public static String Html2Text(String inputString) { String htmlStr = inputString; // 含html标签的字符串 String textSt
  • 嵌入式系统设计中常用总线和接口 aijuans linux 基础
                   嵌入式系统设计中常用总线和接口         任何一个微处理器都要与一定数量的部件和外围设备连接，但如果将各部件和每一种外围设备都分别用一组线路与CPU直接连接，那么连线
  • Java函数调用方式——按值传递 ayaoxinchao java按值传递对象基础数据类型
    Java使用按值传递的函数调用方式，这往往使我感到迷惑。因为在基础数据类型和对象的传递上，我就会纠结于到底是按值传递，还是按引用传递。其实经过学习，Java在任何地方，都一直发挥着按值传递的本色。   首先，让我们看一看基础数据类型是如何按值传递的。   public static void main(String[] args) { int a = 2;
  • ios音量线性下降 bewithme ios音量
    直接上代码吧   //second 几秒内下降为0 - (void)reduceVolume:(int)second { KGVoicePlayer *player = [KGVoicePlayer defaultPlayer]; if (!_flag) { _tempVolume = player.volume;
  • 与其怨它不如爱它 bijian1013 选择理想职业规划
            抱怨工作是年轻人的常态，但爱工作才是积极的心态，与其怨它不如爱它。         一般来说，在公司干了一两年后，不少年轻人容易产生怨言，除了具体的埋怨公司“扭门”，埋怨上司无能以外，也有许多人是因为根本不爱自已的那份工作，工作完全成了谋生的手段，跟自已的性格、专业、爱好都相差甚远。  
  • 一边时间不够用一边浪费时间 bingyingao 工作时间浪费
    一方面感觉时间严重不够用，另一方面又在不停的浪费时间。 每一个周末，晚上熬夜看电影到凌晨一点，早上起不来一直睡到10点钟，10点钟起床，吃饭后玩手机到下午一点。 精神还是很差，下午像一直野鬼在城市里晃荡。 为何不尝试晚上10点钟就睡，早上7点就起，时间完全是一样的，把看电影的时间换到早上，精神好，气色好，一天好状态。 控制让自己周末早睡早起，你就成功了一半。 有多少个工作
  • 【Scala八】Scala核心二：隐式转换 bit1129 scala
    Implicits work like this: if you call a method on a Scala object, and the Scala compiler does not see a definition for that method in the class definition for that object, the compiler will try to con
  • sudoku slover in Haskell (2) bookjovi haskellsudoku
    继续精简haskell版的sudoku程序，稍微改了一下，这次用了8行，同时性能也提高了很多，对每个空格的所有解不是通过尝试算出来的，而是直接得出。   board = [0,3,4,1,7,0,5,0,0, 0,6,0,0,0,8,3,0,1, 7,0,0,3,0,0,0,0,6, 5,0,0,6,4,0,8,0,7,
  • Java-Collections Framework学习与总结-HashSet和LinkedHashSet BrokenDreams linkedhashset
            本篇总结一下两个常用的集合类HashSet和LinkedHashSet。         它们都实现了相同接口java.util.Set。Set表示一种元素无序且不可重复的集合；之前总结过的java.util.List表示一种元素可重复且有序
  • 读《研磨设计模式》-代码笔记-备忘录模式-Memento bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.List; /* * 备忘录模式的功能是，在不破坏封装性的前提下，捕获一个对象的内部状态，并在对象之外保存这个状态，为以后的状态恢复作“备忘”
  • 《RAW格式照片处理专业技法》笔记 cherishLC PS
    注意，这不是教程！仅记录楼主之前不太了解的 一、色彩（空间）管理 作者建议采用ProRGB（色域最广），但camera raw中设为ProRGB，而PS中则在ProRGB的基础上，将gamma值设为了1.8（更符合人眼） 注意：bridge、camera raw怎么设置显示、输出的颜色都是正确的（会读取文件内的颜色配置文件），但用PS输出jpg文件时，必须先用Edit->conv
  • 使用 Git 下载 Spring 源码 编译 for Eclipse crabdave eclipse
    使用 Git 下载 Spring 源码 编译 for Eclipse   1、安装gradle，下载 http://www.gradle.org/downloads 配置环境变量GRADLE_HOME，配置PATH  %GRADLE_HOME%/bin，cmd，gradle -v   2、spring4 用jdk8 下载 https://jdk8.java.
  • mysql连接拒绝问题 daizj mysql登录权限
    mysql中在其它机器连接mysql服务器时报错问题汇总 一、[running][email protected]:~$mysql -uroot -h 192.168.9.108 -p   //带-p参数，在下一步进行密码输入 Enter password:    //无字符串输入 ERROR 1045 (28000): Access
  • Google Chrome 为何打压 H.264 dsjt applehtml5chromeGoogle
    Google 今天在 Chromium 官方博客宣布由于 H.264 编解码器并非开放标准，Chrome 将在几个月后正式停止对 H.264 视频解码的支持，全面采用开放的 WebM 和 Theora 格式。 Google 在博客上表示，自从 WebM 视频编解码器推出以后，在性能、厂商支持以及独立性方面已经取得了很大的进步，为了与 Chromium 现有支持的編解码器保持一致，Chrome
  • yii 获取控制器名 和方法名 dcj3sjt126com yiiframework
    1. 获取控制器名 在控制器中获取控制器名:  $name = $this->getId(); 在视图中获取控制器名:    $name = Yii::app()->controller->id;    2. 获取动作名  在控制器beforeAction()回调函数中获取动作名:  $name =
  • Android知识总结（二） come_for_dream android
    明天要考试了，速速总结如下   1、Activity的启动模式        standard：每次调用Activity的时候都创建一个（可以有多个相同的实例，也允许多个相同Activity叠加。）        singleTop：可以有多个实例，但是不允许多个相同Activity叠加。即，如果Ac
  • 高洛峰收徒第二期：寻找未来的“技术大牛” ——折腾一年，奖励20万元 gcq511120594 工作项目管理
    高洛峰，兄弟连IT教育合伙人、猿代码创始人、PHP培训第一人、《细说PHP》作者、软件开发工程师、《IT峰播》主创人、PHP讲师的鼻祖！ 首期现在的进程刚刚过半，徒弟们真的很棒，人品都没的说，团结互助，学习刻苦，工作认真积极，灵活上进。我几乎会把他们全部留下来，现在已有一多半安排了实际的工作，并取得了很好的成绩。等他们出徒之日，凭他们的能力一定能够拿到高薪，而且我还承诺过一个徒弟，当他拿到大学毕
  • linux expect heipark expect
    1. 创建、编辑文件go.sh   #!/usr/bin/expect spawn sudo su admin expect "*password*" { send "13456\r\n" } interact    2. 设置权限   chmod u+x go.sh  3.
  • Spring4.1新特性——静态资源处理增强 jinnianshilongnian spring 4.1
    目录 Spring4.1新特性——综述 Spring4.1新特性——Spring核心部分及其他 Spring4.1新特性——Spring缓存框架增强 Spring4.1新特性——异步调用和事件机制的异常处理 Spring4.1新特性——数据库集成测试脚本初始化 Spring4.1新特性——Spring MVC增强 Spring4.1新特性——页面自动化测试框架Spring MVC T
  • idea ubuntuxia 乱码 liyonghui160com
      1.首先需要在windows字体目录下或者其它地方找到simsun.ttf 这个 字体文件。 2.在ubuntu 下可以执行下面操作安装该字体： sudo mkdir /usr/share/fonts/truetype/simsun sudo cp simsun.ttf /usr/share/fonts/truetype/simsun fc-cache -f -v
  • 改良程序的11技巧 pda158 技巧
    有很多理由都能说明为什么我们应该写出清晰、可读性好的程序。最重要的一点，程序你只写一次，但以后会无数次的阅读。当你第二天回头来看你的代码 时，你就要开始阅读它了。当你把代码拿给其他人看时，他必须阅读你的代码。因此，在编写时多花一点时间，你会在阅读它时节省大量的时间。   让我们看一些基本的编程技巧：   尽量保持方法简短 永远永远不要把同一个变量用于多个不同的
  • 300个涵盖IT各方面的免费资源（下）——工作与学习篇 shoothao 创业免费资源学习课程远程工作
    工作与生产效率:   A. 背景声音 Noisli:背景噪音与颜色生成器。 Noizio:环境声均衡器。 Defonic:世界上任何的声响都可混合成美丽的旋律。 Designers.mx:设计者为设计者所准备的播放列表。 Coffitivity:这里的声音就像咖啡馆里放的一样。 B. 避免注意力分散 Self Co
  • 深入浅出RPC uule rpc
    深入浅出RPC-浅出篇 深入浅出RPC-深入篇   RPC Remote Procedure Call Protocol 远程过程调用协议   它是一种通过网络从远程计算机程序上请求服务，而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在，如TCP或UDP，为通信程序之间携带信息数据。在OSI网络通信模型中，RPC跨越了传输层和应用层。RPC使得开发
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他