高性能计算gpu 第74页

三、机器学习基础知识：Python常用机器学习库（Numpy第一部分）

文章目录1、Numpy定义2、ndarray对象3、Numpy数据类型4、Numpy数组类型1、Numpy定义Numpy是NumbericalPython的简称，是用来进行高性能计算与分析的基础包，是Python

七层楼的疯子·2023-10-23 17:01

【PyTorch&TensorBoard实战】GPU与CPU的计算速度对比（附代码）

本文基于PyTorch通过tensor点积所需要的时间来对比GPU与CPU的计算速度，并介绍tensorboard的使用方法。

使者大牙·2023-10-23 16:43

pytorch逐行搭建CNN系列（一）AlexNet

此前的CNN通常使用平均池化，而AlexNet全部使用最大池化，成功避免了平均池化带来的模糊化效果提出LRN（局部响应归一化）使用GPU加速训练使用了数据增强策略（DataAugmentation

努力当总裁·2023-10-23 15:02

tensorflow用不了 tensorflow.examples.tutorials

首先：(本文仅仅是做笔记，方便之后改环境自己对着)当前环境window10+CUDA10.0+python3.6+tensorflow-gpu2.0.0先上参考资料：Tensorflow2.0!!!!

广大菜鸟·2023-10-23 13:59

机械革命Z3 Pro测试，从开箱到发烧到翻车到拉黑（多图预警）

20210621-20231003Bywdhuag目录警告：前言：总结：优点：缺点：建议：测试工具：官方驱动：外观：BIOS:自带系统：鲁大师测试：ASSSDBenchmark测试：CPU-Z测试：GPU-Z

wdhuag-2·2023-10-23 12:32

CUDA学习笔记（九）Dynamic Parallelism

DynamicParallelism到目前为止，所有kernel都是在host端调用，CUDADynamicParallelism允许GPUkernel在device端创建调用。

我来了！！！·2023-10-23 12:17

各类深度学习框架详解+深度学习训练环境搭建-GPU版本

目录前言一、深度学习框架TensorFlowPyTorchKerasCaffePaddlePaddle二、深度学习框架环境搭建1.CUDA部署CUDA特性CUDA下载2.cuDNNcuDNN的主要特性cuDNN下载3.安装TensorFlow框架TensorFlow2旧版TensorFlow14.安装PyTorch框架5.安装Caffe框架Windows下载6.PaddlePaddle前言工欲善其

fanstuck·2023-10-23 11:55

获取参数时args = parser.parse_args() args = args.dict用法

argparse.ArgumentDefaultsHelpFormatter,description="Block_FedAvg_Simulation")#debugattributesparser.add_argument('-g','--gpu

real小熊猫·2023-10-23 10:13

Jupyter 如何使用 args = parser.parse_args()

文件里面的参数不能直接在jupyter中使用，放在jupyter中的时候就会报错，如下所示：parser=argparse.ArgumentParser()parser.add_argument('--GPU

godli_one·2023-10-23 10:09

k8s与GPU

为什么要用k8s管理以GPU为代表的异构资源？

缘尤会·2023-10-23 10:10

Mac GPU MPS常用方法

RequirementsMaccomputerswithApplesiliconorAMDGPUsmacOS12.3orlaterPython3.7orlaterXcodecommand-linetools

小蒋的技术栈记录·2023-10-23 10:43

OpenGL着色器的简单介绍

答案就是：如果你没有提供自己的着色器的话，GPU驱动会向你提供默认的着色器。但这事实上是基于你的驱动的。

吃掉夏天的怪物·2023-10-23 09:59

OrionX vGPU研发测试场景下最佳实践之Jupyter模式

在上周的文章中，我们讲述了OrionXvGPU研发测试场景下最佳实践之SSH模式，今天，让我们走进Jupyter模式下的最佳实践。

virtaitech·2023-10-23 08:44

记录一次tf-faster-rcnn代码强行升级环境的过程

因为原机器的版本是cuda9+tensorflow_gpu的1.

conner是位好少年·2023-10-23 07:03

深度学习中，什么是batch-size？如何设置？

这可以充分利用高性能计算资源（如GPU）的并行计算能力。然而，过大的batch-s

JerryFoo·2023-10-23 07:04

equals方法的覆写

覆写Object.equals方法的模板：“四步走”publicclassArticle{Stringtitle;Stringauthor;Stringcontent;StringpublishedAt

小矮多·2023-10-23 07:28

Caffe安装方式（Ubuntu 16.04 GPU版）、附带自己在安装过程中遇到的各种问题及解决方案

本文分两部分介绍：一个是caffe的安装方式，一个是安装中可能会遇到的问题以及相应的解决方案。安装环境目前根据自己的安装情况来说，caffe好像对python3的支持不是很好，也许可能是自己使用的是anaconda3的原因，独立的python3版本还没有测试过（有安装测试过的朋友，还望不吝赐教，欢迎留言）。本教程的安装环境是ananconda3（是不是很奇怪，笑哭），具体的使用方式是：使用cond

AI未来·2023-10-23 06:34

从图像到纹理的GL函数

glTexImage2D这个GL函数可以实现把一幅图像转化为GL的纹理，从而可以在此基础上运用GPU做图像的显示和处理。

qiuchangyong·2023-10-23 06:34

【细胞通讯】PlantPhoneDB（2）

jjjscuedu·2023-10-23 05:35

Android的UI刷新机制（Android屏幕刷新机制）

生来如风·2023-10-23 02:00

Android 屏幕刷新机制

jthou20121212·2023-10-23 02:29

Android 屏幕刷新机制与Choreographer全面解读

二、基础概念在一个典型的显示系统中，一般包括CPU、GPU、显示器三个部分，CPU负责计算帧数据，把计算好的数据交给GPU，GPU会对图形数据进行

lishutong1006·2023-10-23 02:29

Android屏幕刷新机制原理分析

基本概念CPU：执行应用层的measure、layout、draw等操作，绘制完成后，将数据交由GPUGPU：处理数据，将数据发送到缓冲区屏幕：由一个一个像素组成，以固定频率（1000ms，60次，即16.6ms

咸鱼谈何梦想·2023-10-23 02:59

LeNet（pytorch实现

LeNet本文编写了一个简单易懂的LeNet网络，并在F-MNIST数据集上进行测试，允许使用GPU计算在这里插入代码片importtorchfromtorchimportnn,optimimportd2lzh_pytorchasd2ldevice

平平平安喔·2023-10-23 02:21

OpenGL-着色器

着色器(shader)其本质是运行在GPU上的小程序，这些小程序为图形渲染管线的某个特点部分而运行。从基本意义上来讲，着色器只是一种把输入转化为输出的程序。

STL_f36e·2023-10-23 01:56

Tensorboard安装及简单使用

2.安装必备环境安装TensorBoard,必须要配一个带GPU的环境，

我说你别说·2023-10-23 01:07

No171.精选前端面试题，享受每天的挑战和学习

前端面试必备》蓝桥云课签约作者、已在蓝桥云课上架的前后端实战课程《Vue.js和Egg.js开发企业级健康管理项目》、《带你从入门到实战全面掌握uni-app》文章目录页面渲染的时候，哪种情况下需要用GPU

阿珊和她的猫·2023-10-23 00:19

【模型推理优化学习笔记】张量并行和流水线并行简介

张量并行当每个张量被分成多个块时，就会发生张量并行性，并且张量的每个块都可以放置在单独的GPU上。

Go 鹏ya·2023-10-22 23:11

openCV的CUDA GPU 版本安装（Ubuntu windows 通用）

需要用GPU的。

EmoC001·2023-10-22 23:59

CUDA学习笔记（二）CUDA简介

只要配备的NVIDIAGPU，就可以在许多设备上运行你的并行程序，无论是台式机、笔记本抑或平板电脑。熟悉C语言可以帮助你尽快掌握CUDA。

我来了！！！·2023-10-22 22:20

在Colab下快速训练yolov5

在Colab下快速训练yolov51.学习链接2.数据准备2.1图片标注方法3.项目迁移到Colab平台4.开始训练4.1.选择GPU4.2.下载源码4.3.上传和解压自己的数据集4.4.修改ymal配置文件

淡然的回忆568·2023-10-22 20:55

Android自定义相机自动对焦、定点对焦

Android相机实时自动对焦的完美实现Android图像滤镜框架GPUImage从配置到应用GPUImageforAndroidAndroidCamera对焦相关加速度控制器当设备移动时，认定需要对焦

沐左·2023-10-22 20:08

Anaconda下载、安装、使用教程

使用教程创建环境查看当前存在的虚拟环境激活环境退出环境删除环境镜像加速配置conda镜像pip镜像临时使用长期使用WindowsLinux&&WSL工具升级升级conda升级pip高级应用整体环境迁移环境更新环境克隆深度学习GPU

Walden-2020·2023-10-22 19:46

TensorFlow GPU不可用，WSL2安装

win11，安装的tensorflow的版本都是2.12的，但是从2.10开始tensorflow就不支持gpu了，这点在英文版的安装页面里有而中文版是没有这个提示的，估计也是很多人试了很多遍，检查了很多次环境

坠星不坠·2023-10-22 19:45

Windows Server 2019 AD域组策略自动连接共享文件夹到域用户的网络位置（驱动器）

一、在DC上建立共享文件夹二、在需要自动连接的组织单位创建GPO三、编辑该策略，来到用户配置-首选项-windows设置-驱动器映射四、新建映射驱动器五、在DC及客户端强制刷新策略gpupdate/force

獨孤記憶·2023-10-22 17:30

ASTRA Toolbox——使用笔记

1.ASTRA工具箱简介ASTRA工具箱是MATLAB和Python的高性能GPU工具箱，用于2D和3D断层扫描。支持2D平行和风扇束几何，以及3D平行和锥束几何。它们都有高度灵活的源/探测器定位。

小屁孩__·2023-10-22 16:03

自学OpenGL（七）-着色器

前言着色器是运行在GPU上的程序，为图形渲染管线特定部分而运行，从某种意义上来说，着色器是把输入转化为输出的程序。着色器程序是完全独立的程序，着色器之间不能直接通信，只能通过输入输出实现通信。

朽木自雕也·2023-10-22 15:30

CUDA学习笔记（七）Kernel性能调节

代码准备下面是我们的kernel函数sumMatrixOnGPUD：__global__voidsumMatrixOnGPU2D(fl

我来了！！！·2023-10-22 15:22

影响stable diffusion的embedding训练效率的部分问题和拟解决办法

（小细节）关于图片大小影响未知，电脑配置不够，试过云环境：配置是13RAM，15GPU，78G磁盘以微量关键词，使用一个训练的model做正向，没有反向关键词，面部以及高清修复，39采样，8.5相关

羽墨link·2023-10-22 14:44

flash attention 2论文学习

优化点主要如下：一、减少non-matmulFLOPsA00中由于tensorcore的存在，使得gpu对于浮点矩阵运算吞吐很高，如FP16/BF16可以达到312TFLOPs/s，而对于非矩阵乘的浮点运算吞吐较低

KIDGINBROOK·2023-10-22 13:13

NVIDIA NCCL 源码学习（一）- 初始化及ncclUniqueId的产生

NCCL是英伟达开源的GPU通信库，支持集合通信和点对点通信看下官方给的一个demo#include#include"cuda_runtime.h"#include"nccl.h"#include"mpi.h

KIDGINBROOK·2023-10-22 13:42

NVIDIA NCCL 源码学习（十一）- ring allreduce

单机搜索ring在nccl初始化的过程中会分析机内拓扑，建立CPU，GPU，网卡等PCI节点的拓扑图，并基于这个图搜索一系列的channel，假设单机内执行ncc

KIDGINBROOK·2023-10-22 13:41

机器学习——利用jupyter-notebook实现工资预测

本文开发环境tensorflow-gpu-2.6.0miniconda但其实大家一般都在pycharm里面写，这个只是为了了解一下这种写法

重邮研究森·2023-10-22 13:35

自然语言处理---Transformer模型

Transformer概述相比LSTM和GRU模型，Transformer模型有两个显著的优势：Transformer能够利用分布式GPU进行并行训练，提升模型训练效率。

lichunericli·2023-10-22 13:28

如何将PyTorch模型迁移到昇腾平台

PyTorch是业界流行的深度学习框架，用于开发深度学习训练脚本，默认运行在CPU/GPU上。为了使这些脚本能够利用昇腾AI处理器的强大算力执行训练，需要对PyTorch的训练脚本进行迁移。

昇腾CANN·2023-10-22 13:51

『ARM』和『x86』处理器架构解析指南

前言如果问大家是否知道CPU，我相信不会得到否定的答案，但是如果继续问大家是否了解ARM和X86架构，他们的区别又是什么，相信可能部分人就会哑口无言了目前随着深度学习、高性能计算、NLP、AIGC、GLM

ReturnTmp·2023-10-22 13:04

1 - 进程 - Windows 10 - Python - multiprocessing - 简单多进程切换、进程传参、异步进程、守护进程(进程睡眠/堵塞和线程堵塞的区别)、主/子进程区分

七、关于多进程必须加上`if__name__=="__main__"`的理由(进程区分)：八、JupyterNotebook与进程区分的关联九、关于多进程与GPU的关系参考链接测试环境：操作系统：Window10

沐修·2023-10-22 12:18

使用恒源云GPU进行远程训练

最近同学参加比赛需要使用云GPU，经过比对多个云GPU平台，从价格和GPU可用稳定性上，最终选择了恒源云，我购买使用了一下，可以支持一场Kaggle比赛或者实验论文没有问题，大家可以按照步骤进行操作，记录下来

cskywit·2023-10-22 12:54

nvcc -V和nvidia-smi的关系

nvcc-V和nvidia-smi都与NVIDIAGPU相关，但它们提供的信息和功能有所不同。nvcc-V:nvcc是NVIDIACUDA编译器的命令，用于获取CUDA工具包的版本信息。

重剑DS·2023-10-22 12:36

拨开算力的迷雾：聊聊不同 GPU 计算能力的上限

文|卜居@知乎编|兔子酱通过深入了解自己手头GPU的计算能力上限，能够在买新卡时做出更理性判断。本文深入GPU架构，重点介绍了其中的ampere架构。

夕小瑶·2023-10-22 10:22

推荐频道

高性能计算gpu