显卡GPU 第9页

＜记录＞基于pytorch的cifar-10卷积神经网络（CNN）分类

0，开始之前（不使用GPU可以直接跳到第一步）运行环境：win10+py3.7.8+pycharm（可选部分：GPU环境：GTX1660+cuda10.2+cudnn8.1.0）cuda和cudnn简单的说就是两个用于机器学习的包

shc9912·2025-06-06 12:17

DreamO - 换装、换脸与风格迁移字节开源AI图像编辑神器一键搞定支持50系显卡本地一键整合包下载

DreamO‌是由字节跳动和北京大学联合提出的图像定制化生成框架，这一框架集成了图像换装、换脸、造型调整、风格迁移以及多主体组合等多种功能，为AI图像编辑领域带来了全新的技术突破。这个框架通过单一模型便可以实现主体、身份、风格及服装参考的多样化定制，并支持不同控制条件的自由组合，非常适应实际应用中的复杂需求，尤其是电商领域，小白也可一键实现各种复杂的图像编辑任务了。主要功能换装与物体编辑:通过IP

昨日之日2006·2025-06-06 12:43

springboot Ehcache缓存配置

org.springframeworkspring-context-supportnet.sf.ehcacheehcacheorg.apache.shiroshiro-ehcache1.3.2新建配置类文件（注意启动类的扫描范围，可自定义扫描）@Configuration@EnableCachingpublicclassCacheConfig

baicu7502·2025-06-06 11:07

MiniMind：低成本、高效能，平民级大模型训练神器

MiniMind：平民级大模型训练神器背景与目标：降低大模型训练门槛传统的大模型训练通常需要大量的显卡资源和计算能力，这对大多数开发者来说是一个巨大的挑战。

·2025-06-06 10:02

《PyTorch Hub：解锁深度学习模型的百宝箱》

据统计，训练一个像GPT-3这样的大规模语言模型，可能需要数千块GPU芯片并行计算数月之久，成本高达数百

空云风语·2025-06-05 22:11

Jetson Nano 2GB训练yolo11n模型（本地训练使用GPU）

温馨提示本篇文章是在Jetsonnano2gb的10W模式和关闭图形化界面的条件进行的，请确保你的条件符合要求。#关闭图形化界面sudosystemctlset-defaultmulti-user.targetsudoreboot#开启图形化界面sudosystemctlset-defaultgraphical.targetsudoreboot#开启Jetsonnano2gb的最高功率模式sudo

·2025-06-05 19:17

window 显示驱动开发-DirectX VA 2.0 的视频解码加速

关键特性包括：利用GPU进行解码，减轻CPU负担支持部分解码和完全解码模式提供统一的接口访问不同硬件厂商的解码能力2.创建视频解码设备创建视频解码设备的

程序员王马·2025-06-05 17:07

.NET 玩转 PaddleSharp：通天猿臂，AI一把抓

而且，它不仅能在Windows下霸气外露，还能飞到Linux下继续骚操作，GPU、CPU、表格识别、OC

许泽宇的技术分享·2025-06-05 16:55

Docker使用手册

dockerrunDockerrun命令基本结构：dockerrun[OPTIONS]IMAGE[:TAG|@DIGEST][COMMAND][ARG...]sudodockerrun--privileged--gpu

一只积极向上的小咸鱼·2025-06-05 15:54

OpenCV CUDA模块图像处理------创建CUDA加速的Canny边缘检测器对象createCannyEdgeDetector()

ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述该函数用于创建一个CUDA加速的Canny边缘检测器对象（CannyEdgeDetector），可以在GPU

村北头的码农·2025-06-05 15:51

NOV Chart for .NET 2025 Crack

NOVChartfor.NET2025CrackNOVChartfor.NET2025.1addsGPU-acceleratedFastBar,FastLineandFastPointseriestorendermillionsofdatapointsinrealtime.NOVChartfor.NETbyNevronisacomprehensive.NETchartingcomponentsui

SEO-狼术·2025-06-05 15:51

打卡第35天：GPU训练以及类的Call方法

知识点回归：1.CPU性能的查看：看架构代际、核心数、线程数2.GPU性能的查看：看显存、看级别、看架构代际3.GPU训练的方法：数据和模型移动到GPUdevice上4.类的call方法：为什么定义前向传播时可以直接写作

Shining_Jiang·2025-06-05 14:16

开源量子模拟引擎：Quantum ESPRESSO本地部署教程，第一性原理计算轻松入门！

QuantumESPRESSOGPU版本支持GPU加速，该部署版本为q-e-7.4.1。

算家计算·2025-06-05 00:00

(LLaMa Factory)大模型训练方法--准备模型（Qwen2-0.5B）

风起晨曦·2025-06-04 23:21

vLLM vs Ollama

一、介绍vLLM:VLLM（超大型语言模型）是SKYPILOT开发的推理优化框架，主要用于提升大语言模型在GPU上的运行效率。

iranw·2025-06-04 22:49

ROS机器人和NPU的往事和新知-250602

ROS机器人与NPU的往事与新知一、往事：从分离到融合的探索早期机器人系统的算力瓶颈传统ROS机器人依赖CPU/GPU进行感知、决策与控制，但在复杂场景（如动态环境导航、多传感器融合）中，实时性与能效比成为瓶颈

zhangrelay·2025-06-04 17:07

python学习打卡day33

DAY33简单的神经网络知识点回顾：PyTorch和cuda的安装查看显卡信息的命令行命令（cmd中使用）cuda的检查简单神经网络的流程数据预处理（归一化、转换成张量）模型的定义继承nn.Module

vijaycc·2025-06-04 16:59

URP源码学习（七）一些细节和理解

RT理解RT是什么，用在哪首先rt是一张特殊贴图，这张贴图对应的是GPU上的FrameBuffer，一般用到的是颜色和深度，从这张图取数据用于计算，或是直接对这张图进行修改，以得到想要的效果。

真像大白阿·2025-06-04 16:56

Python报错：AssertionError: Torch not compiled with CUDA enabled

raiseAssertionError("TorchnotcompiledwithCUDAenabled")AssertionError:TorchnotcompiledwithCUDAenabled这个提示就是应用想使用GPU

漫游者Nova·2025-06-04 10:14

OpenCV CUDA模块图像处理------双边滤波的GPU版本函数bilateralFilter()

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述该函数在GPU上执行双边滤波操作，是一种非线性平滑滤波器，能够在保留边缘的同时去除噪声

村北头的码农·2025-06-04 09:34

nvidia-device-plugin实现gpu虚拟化

简介NVIDIAdeviceplugin是以dameonset方式部署到k8s集群,部署后可以实现:暴露集群中n每个node节点的gpu数量跟踪gpu健康状态可以在k8s集群中运行gpu容器前置条件NVIDIAdrivers

riverz1227·2025-06-04 09:34

服务器断电开机后无法使用nvidia 显卡驱动

从lsattr的输出结果看，/usr/bin/nvidia-smi只有a（append-only）和e（extents）属性，其中a（只允许追加写入）是导致无法修改或删除它的原因。(base)admin123@server1:~$lsattr/usr/bin/nvidia-smi-----a--------e-------/usr/bin/nvidia-smi需要删除掉nvidi-smi文件(ba

coding record·2025-06-04 07:48

# 使用 Micromamba 安装 vLLM 并运行最小模型（facebook/opt-125m）

️环境准备系统：UbuntuPython版本：3.10包管理器：MicromambaGPU：NVIDIA（CUDA支持）创建环境并安装vLLM#创建micromamba环境micromambacreate-nvllmpython

老大白菜·2025-06-03 22:14

自动混合精度（AMP）训练在低版本显卡上的使用问题

AMPtrainingonNVIDIAGeForceGTX1660SUPERGPUmaycauseNaNlossesorzero-mAPresults,soAMPwillbedisabledduringtraining

shangjg3·2025-06-03 16:57

CUDA内存溢出问题解决方案

这个错误表明你的GPU内存不足，无法分配所需的76MB内存。GTX1660SUPER只有6GB显存，在处理大型深度学习模型时确实容易遇到内存不足的问题。

shangjg3·2025-06-03 16:57

MiniCPM-o 2.6 技术解析：端侧可用的 GPT-4o 级多模态大模型

二、核心能力亮点1.视觉理解能力全面超越️2.双语实时语音对话+情绪控制3.实时多模态流式能力⚡4.高效+端侧可部署三、部署实践与生态支持✅本地部署Demo（适配CPU/GPU）✅框架支持广泛四、模型性能评估小结五

gs80140·2025-06-03 12:04

python打卡day34

GPU训练及类的call方法知识点回归：CPU性能的查看：看架构代际、核心数、线程数GPU性能的查看：看显存、看级别、看架构代际GPU训练的方法：数据和模型移动到GPUdevice上类的call方法：为什么定义前向传播时可以直接写作

(・Д・)ノ·2025-06-03 07:27

深度学习FPGA开发方式

https://blog.csdn.net/weixin_35729512/article/details/79763952FPGA深度学习的方向概述传统的CNN（Tensorflow、caffe）是在GPU

jack_201316888·2025-06-03 01:45

centos中docker:Error response from daemon: could not select device driver ““ with capabilities: [[gpu

centos进行docker跑程序出现问题想要在docker上面深度学习模型时，出现了来自daemon的错误响应:couldnotselectdevicedriver“”withcapabilities:[[gpu

干饭喵·2025-06-03 00:05

对比传统GPU服务器，为什么建议选择IEC企业私有云存储言案 ?

Infortrend企业云（IEC）—是一个强大的私有云平台，集成了计算、存储和Kubernetes管理功能于一体。专为企业量身定制，凭借高扩展、高性能和高可靠的产品特性，打造企业IT基础建设新篇章。

smart1998·2025-06-02 14:52

在选购高性能显卡（GPU）时，两个风扇与三个风扇：GPU 风扇越多越好吗？

在选购高性能显卡（GPU）时，消费者常常会被各种规格参数和设计选择所困扰，其中一个常见的问题是：风扇数量对GPU性能和散热效果到底有多大影响？

wljslmz·2025-06-02 13:16

Ubuntu18.04系统及相关软件安装恢复过程

[显卡驱动安装](https://blog.csdn.net/qq_43309940/article/details/126898929)3.[ROSMelodic安装](https://ism

qq_43309940·2025-06-02 13:15

window 显示驱动开发-支持多个处理器

驱动自主优化UMD需硬件特定优化（如GPU引擎绑定、NUMA感知内存分配）。2.运行时自动优化的特

程序员王马·2025-06-02 12:07

嵌入式day42

framebuffer：帧缓冲、帧缓存Linux内核为显示提供的一套应用程序接口（驱动内核支持）分辨率：像素点的总和像素点：显示屏：800*600（横向有800个像素点，纵向有600个像素点）显卡（显存

小肆不吃白菜·2025-06-02 11:32

Ubuntu20.04CUDA及cuDNN安装教程

以下是针对Ubuntu20.04安装CUDA和cuDNN的详细教程，包含版本选择、步骤解释、验证方法及常见问题解决方案：一、安装前的准备1.硬件与系统要求GPU支持：确保你的NVIDIAGPU支持CUDA

吃旺旺雪饼的小男孩·2025-06-02 10:26

关于安装Pytorch中torch.cuda.is_available()为False的解决方案

关于安装Pytorch无法调用GPU运算的解决方案之一解决torch.cuda.is_available()返回False原因之一：错下了CPU版本的Pytorch下图为失败案例解决方案解决torch.cuda.is_available

淡水渔人码头丶·2025-06-02 09:24

大模型实战—个人AI大脑Khoj 本地部署

离线模型+GPU如果您想使用离线聊天模

不二人生·2025-06-02 09:49

开源AI数字人分身克隆小程序源码系统深度剖析：从搭建到应用

CPU需具备多核心处理能力；GPU在数字人形象渲染、动作模拟等环

源码师傅·2025-06-02 08:44

Unity性能优化全攻略：从原理到实践的深度解析

本文将系统性地介绍Unity项目中最常见且有效的性能优化方案，涵盖CPU、GPU、内存和资源管理等多个维度，帮助开发者打造流畅的游戏体验。

small-pudding·2025-06-02 07:05

GPU深度学习性能的三驾马车：Tensor Core、内存带宽与内存层次结构

这篇文章可以帮助我们了解GPU对深度学习性能的多个影响因素，从而帮助我们评估、选用GPU。本文将按照GPU各组件的重要程度顺序来进行介绍。

m0_70960708·2025-06-02 07:34

计算机主板pci插槽,什么是PCI插槽 PCI-E插槽如何辨别【详解】

主板上的扩展插槽曾经是多种多样的，例如曾经非常流行的组合就是PCI插槽搭配AGP插槽，其中AGP插槽主要用在显卡上，而PCI插槽的用途则更广一些，不仅有用在显卡上，还能用于扩展其它设备，如网卡、声卡、调制解调器等等

Reset12138·2025-06-02 03:07

教大家细分webGL，webGPU，unity3D和UE4

一、四者都能进行3D图形渲染它们之间有一些区别：WebGPU：WebGPU是一种Web图形API，是基于底层的GPU硬件架构设计的，可以更好地利用现代GPU的并行计算能力，提供更高的图形渲染性能。

新中地GIS开发老师·2025-06-02 02:25

【FlashRAG】本地部署与demo运行（二）

这里CPU/GPU版本可

NaturalHarmonia·2025-06-01 23:38

2、PyTorch基础教程：从张量到神经网络训练

张量（Tensor）：PyTorch的核心数据结构，支持多维数组，并可以在CPU或GPU上进行加速计算。自动求导（Autograd）：PyTorch提供了

AI风老师·2025-06-01 23:06

window 显示驱动开发-GPU 抢占（三）

实现中的内存映射注意事项按照本指南创建支持Windows8GPU抢占模型的可靠驱动程序，并提供高质量的用户体验：当Dxgkrnl计划程序发送抢占命令时，请求抢占GPU中的中间DMA缓冲区。

程序员王马·2025-06-01 15:38

JavaScript性能优化实战：从瓶颈定位到极致提速

一、性能优化的核心价值：为何每毫秒都价值千金1.1用户体验的临界点100ms法则：用户操作到响应的延迟超过100ms会产生明显卡顿感1秒原则：页面加载超过1秒会导致用户注意力分散53ms黄金标准：每帧渲染时间低于

酷爱码·2025-06-01 15:37

基于python部署paddleocrv5的onnx模型PPOCRv5模型部署源码+onnx模型+使用说明

繁体中文、中文拼音、英文和日文识别无需深度学习训练框架，可直接部署使用支持ARM和x86架构高性能推理，识别速度快识别精度与PaddleOCR保持一致2.环境要求Python>=3.8CUDA支持（如果使用GPU

FL1623863129·2025-06-01 15:35

爆肝优化！FlashAttention-2性能飙升实战：从原理解析到PyTorch 2.2深度优化（附代码与Benchmark）

传统注意力机制的性能瓶颈在大模型训练中，标准Transformer注意力面临三大痛点：内存爆炸：序列长度L=4096时，注意力内存占用达O(L²)，A100显存仅能支持批量大小16计算低效：矩阵乘法占比超70%，GPU

游戏人生的NPC·2025-06-01 13:26

linux下c语言写界面,利用C语言绘制操作系统图像界面

要想由字符模式转入图形模式，我们需要操作硬件，特别是向显卡发送命令，让其进入

猛男阿煊·2025-06-01 12:49

第四篇：Python 高级-高性能计算加速秘籍

本篇将深入探讨向量化计算的深度优化以及如何借助CUDA编程与GPU加速来显著提升Python计算效率。

程序员勇哥·2025-06-01 07:11

推荐频道

显卡GPU