GPU&CUDA

英伟达的ptx是什么？ptx在接近汇编语言的层级运行？

PTX（ParallelThreadeXecution）是英伟达CUDA架构中的一种中间表示形式（IR）语言。
AI-AIGC-7744423·2025-03-14 11:43

保姆级教学——本地免费部署DeepSeek-R1模型并通过Python调用

DeepSeek-R1模型并通过Python调用的详细指南：一、环境准备（Windows/Linux/Mac通用）1.硬件要求最低配置：16GB内存+20GB可用磁盘空间推荐配置：NVIDIAGPU（显存≥8GB）+CUDA11.8
shuaige_shiwoa·2025-03-14 09:54

Python深度学习033：Python、PyTorch、CUDA和显卡驱动之间的关系

Python、PyTorch、CUDA和显卡驱动之间的关系相当紧密，它们共同构成了一个能够执行深度学习模型的高效计算环境。
若北辰·2025-03-14 01:00

查看自己某个conda环境的Python版本的方法

再输入：activateCUDA90_torch110_tf1901激活环境。再输入：python-V#注意V是大写1
小剧场的阿刁·2025-03-13 20:30

本地部署时，如何通过硬件加速（如 CUDA、TensorRT）提升 DeepSeek 的推理性能？不同显卡型号的兼容性如何测试？

本地部署DeepSeek模型的硬件加速优化与显卡兼容性测试指南一、硬件加速技术实现路径CUDA基础环境搭建版本匹配原则：根据显卡架构选择CUDA版本（如NVIDIARTX50系列需CUDA12+，V100
百态老人·2025-03-13 14:43

一个基于LSTM的字符级文本生成模型的训练+使用(pytorch)

一、代码实现1.配置文件config.pyimporttorch#设备配置DEVICE=torch.device('cuda'iftorch.cuda.is_available()else'cpu')#
一只小铁柱·2025-03-13 12:04

PyTorch安装与环境配置终极指南：从零搭建高效深度学习开发环境（一）

一、环境搭建的核心意义与准备工作1.1深度学习环境的核心挑战深度学习开发环境涉及复杂的软件栈依赖关系：硬件兼容性：GPU型号（NVIDIA系列）与CUDA版本的匹配软件依赖链：Python版本→PyTorch
WHCIS·2025-03-13 12:02

windows11 环境 paddleOCR 环境配置

一、系统环境：操作系统：Windows11专业版显卡：RTX4080CUDA：cuda_12.6.2_560.94_windows.exe、cudnn-windows-x86_64-8.9.7.29_cuda12
一醉千秋·2025-03-13 08:27

离线安装tiny cuda nn

GitHub-NVlabs/tiny-cuda-nn:LightningfastC++/CUDAneuralnetworkframework在mac上递归clonetinycudann仓库gitclone
GUSONGEN·2025-03-13 04:23

Windows编译tiny-cuda-nn时出现fatal error C1083: “crtdefs.h”: No such file or directory

首先确保安装了VisualStudio其次有可能是因为安装的VS设置的编译项默认为x86，与当前系统的CUDA的位数不一致。
龙雪zzZ·2025-03-13 03:50

Win11加wsl2安装anaconda

在Windows11中安装WSL2(Ubuntu20.04)并配置Anaconda环境-知乎(zhihu.com)使用的这篇帖子wsl2如何安装pipWindows下安装WSL2并配置Cuda、Miniconda
小方abc·2025-03-13 01:07

CUDA12.1 cudnn9.0.1 python3.10.12配置TensorRT8.6.1，完成yolov12tensorRT推理完整过程

一、配置TensorRT8.6.11.下载TensorRT8.6.1包TensorRT完全依赖CUDA，因此下载其版本时一定要考虑CUDA的版本。
李卓璐·2025-03-13 01:33

开发ai模型最佳的系统是Ubuntu还是linux？

提供针对NVIDIAGPU的官方驱动支持，简化CUDA和cuDNN的配置流程（如nvidia-smi直接监控显存）。2.社区生态与长期维护（LTS）UbuntuLTS版本（如24
俺足·2025-03-12 22:18

vLLM 部署大语言模型的系统选择策略

核心选型原则指标权重说明CUDA支持⭐⭐⭐⭐⭐直接影响GPU加速性能，需确保系统与NVIDIA驱动和CUDA工具链的兼容性软件源时效性⭐⭐⭐⭐系统需提供较新的Python、PyTorch等AI框架版本，
由数入道·2025-03-12 22:15

CUDA基础介绍

CUDA基础介绍2月前阅读(6)原文一、GPU简介1985年8月20日ATi公司成立，同年10月ATi使用ASIC技术开发出了第一款图形芯片和图形卡，1992年4月ATi发布了Mach32图形卡集成了图形加速功能
Hansen Feng·2025-03-12 21:38

vLLM框架：使用大模型推理框架

1.环境安装与配置1.1硬件要求GPU:支持CUDA11.8及以上（推荐NVIDIAA100/H100，RTX4090等消费级卡需注意显存限制）显存:至少20GB（运行7B模型），推荐40GB+（运行13B
CITY_OF_MO_GY·2025-03-12 17:12

【Linux 22.4 ubuntu 安装cuda12.1 完整方案】

下载cuda12.1官网网址wgethttps://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1
放飞自我的Coder·2025-03-12 01:15

【大模型】DeepSeek-R1-Distill-Qwen部署及API调用

当前模型开源后，我们可以将其部署，使用API方式进行本地调用1.部署环境本文中的部署基础环境如下所示：PyTorch2.5.1Python3.12(ubuntu22.04)Cuda12.4GPURTX3090
油泼辣子多加·2025-03-10 17:29

opencv cuda例程 OpenCV和Cuda结合编程

本文转载自：https://www.fuwuqizhijia.com/linux/201704/70863.html此网页，仅保存下来供随时查看一、利用OpenCV中提供的GPU模块目前，OpenCV中已提供了许多GPU函数，直接使用OpenCV提供的GPU模块，可以完成大部分图像处理的加速操作。该方法的优点是使用简单，利用GpuMat管理CPU与GPU之间的数据传输，而且不需要关注内核函数调用参
weixin_44602056·2025-03-10 16:27

利用CUDA与OpenCV实现高效图像处理：全面指南

利用CUDA与OpenCV实现高效图像处理：全面指南前言在现代计算机视觉领域，图像处理的需求日益增加。无论是自动驾驶、安防监控，还是医疗影像分析，图像处理技术都扮演着至关重要的角色。
快撑死的鱼·2025-03-10 16:25

linux 下 CUDA + Opencv 编程 之 CMakeLists.txt

CMAKE_MINIMUM_REQUIRED(VERSION2.8)PROJECT(medianFilterGPU)#CUDApackageFIND_PACKAGE(CUDAREQUIRED)INCLUDE
maxruan·2025-03-10 16:23

Win11及CUDA 12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音

Win11及CUDA12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音【下载地址】Win11及CUDA12.1环境下PyTorch安装及避坑指南本资源文件旨在为在Windows11操作系统及
郁云爽·2025-03-10 16:52

CUDA编程之OpenCV与CUDA结合使用

OpenCV与CUDA的结合使用可显著提升图像处理性能。
byxdaz·2025-03-10 15:48

Pycharm搭建CUDA，Pytorch教程（匹配版本，安装，搭建全保姆教程）_cuda12(1)

查看cuda版本![](https://img-blog.csdnimg.cn/direct/ba9a3507f82a43b8891b42ab1566a71c.png)输入setcuda查看环境变量!
2401_84557821·2025-03-10 08:56

jupyter notebook参数化运行python

Updates（2019.8.1419:53）吃饭前用这个方法实战了一下，吃完回来一看好像不太行：跑完一组参数之后，到跑下一组参数时好像没有释放之占用的GPU，于是notebook上的结果，后面好几条都报错说cudaoutofmemory
HackerTom·2025-03-10 02:11

win11编译llama_cpp_python cuda128 RTX30/40/50版本

Geforce50xx系显卡最低支持cuda128，llama_cpp_python官方源只有cpu版本，没有cuda版本，所以自己基于0.3.5版本源码编译一个RTX30xx/40xx/50xx版本。
System_sleep·2025-03-10 01:02

GPU编程实战指南03：CUDA开发快速上手示例，GPU性能碾压实测

上一节《GPU编程指南02：CUDA开发快速上手示例》中我们完成了一个使用GPU进行加减乘除四则运算的例子。
anda0109·2025-03-09 15:34

DeepSeek R1-32B医疗大模型的完整微调实战分析（全码版）

DeepSeekR1-32B微调实战指南├──1.环境准备│├──1.1硬件配置││├─全参数微调：4*A10080GB││└─LoRA微调：单卡24GB│├──1.2软件依赖││├─PyTorch2.1.2+CUDA
Allen_LVyingbo·2025-03-09 11:33

记录 | python os添加系统环境变量

python中通过os来添加系统环境变量：#设置os系统环境变量os.environ['CUDA_VISIBLE_DEVICES']='0'os.environ['p2c']='1'os.environ
极智视界·2025-03-09 10:00

GPU编程实战指南01：CUDA编程极简手册

目录1.CUDA基础概念1.1线程层次结构1.2内存层次结构2.CUDA编程核心要素2.1核函数2.2内存管理2.3同步机制3.CUDA优化技巧3.1内存访问优化3.2共享内存使用3.3线程分配优化4.
anda0109·2025-03-09 09:20

安装CUDA12.1和torch2.2.1下的DKG

1.创建python虚拟环境setNO_PROXY=*condadeactivatecondaenvremove-nfindkgcondacreate-nfindkgpython=3.11condaactivatefindkgcondainstallpackagingsetuptoolspipuninstallnumpycondainstallnumpy=1.24.3请注意，DKG需要python
超级无敌大好人·2025-03-09 07:07

win11编译pytorch cuda128版本流程

Geforce50xx系显卡最低支持cuda128，torchcu128release版本目前还没有释放，所以自己基于2.6.0源码自己编译wheel包。
System_sleep·2025-03-07 09:05

【学习笔记5】Linux下cuda、cudnn、pytorch版本对应关系

一、cuda和cudnnNVIDIACUDAToolkit（CUDA）为创建高性能GPU加速应用程序提供了一个开发环境。
longii11·2025-03-07 08:56

yolov8训练模型、测试视频

1、训练代码train.pyimportos#os.environ["CUDA_VISIBLE_DEVICES"]="3"#同样是选择第3块GPUfromultralyticsimportYOLO#L
灰灰学姐·2025-03-06 21:12

解决No such file or directory: ‘:/usr/local/cuda:/usr/local/cuda:...‘

【报错】error:[Errno2]Nosuchfileordirectory:':/usr/local/cuda:/usr/local/cuda:/usr/local/cuda:/usr/local/
北冰洋漂流·2025-03-06 00:42

PyTorch 与 NVIDIA GPU 的适配版本及安装

PyTorch与NVIDIAGPU的适配版本需要通过CUDA和cuDNN来实现。以下是详细的安装教程，包括如何选择合适的PyTorch版本以及如何配置NVIDIAGPU环境。
小赖同学啊·2025-03-05 19:05

C++使用Onnxruntime/TensorRT模型推理

.pth模型进行推理python下依据模型推理实现从.pth转向.onnxpython下基于.onnx进行推理，与后续两种推理方式种的推理结果进行比较环境windows10+RTX308015GB显存cuda11.3onnxru
奇华智能·2025-03-05 16:30

NCU使用指南及模型性能测试（pytorch2.5.1）

OverviewNsightCompute(NCU)是NVIDIA提供的GPU内核级性能分析工具，专注于CUDA程序的优化。它提供详细的计算资源、内存带宽、指
Jakari·2025-03-05 02:05

高性能计算中如何优化内存管理？

例如，在CUDA编程中，可以使用内存池来管理GPU内存，从而提高内存访问效率。异构内存管理：在异构计算环境中（如CPU+GPU），采用统一内存管理（UnifiedMemory）或智能数据迁移策略，
·2025-03-04 22:52

图像识别技术与应用课后总结（12）

全局平均池化（GlobalAveragePooling）1.导入库和设备配置importtorch.nnasnnimporttorch.nn.functionalasFdevice=torch.device("cuda
一元钱面包·2025-03-04 14:37

RuntimeError: CUDA error:device.side assert triggered（tensor形状有误）

报错如下：RuntimeError:CUDAerror:device.sideasserttriggeredCUDAkernelerrorsmightbeasynchronouslyreportedatsomeotherAPIcall
Gidear·2025-03-04 10:03

莫名奇妙的异常009：mysql row size too large＞8126

临时解决可以这样：1.设置mysql全局变量设置命令：SETGLOBALinnodb_file_format='Barracuda';检查命令：showGLOBALVARIABLESLIKE'%file_format
杨友山·2025-03-04 05:28

mysql row size too large_mysql 错误 Row size too large (> 8126)解决办法

基础设置：innodb_file_per_table=1innodb_file_format=Barracuda如果解决不了，
譃七唯·2025-03-04 05:26

使用pytorch和opencv根据颜色相似性提取图像

importcv2importtorchimportnumpyasnpimporttimedefget_similar_colors(image,color_list,threshold):#将图像和颜色列表转换为torch张量device=torch.device('cuda'iftorch.cuda.is_available
深蓝海拓·2025-03-03 15:34

分布式多卡训练(DDP)踩坑

单卡训练语句（正常运行）：pythonmain.py多卡训练语句：需要通过torch.distributed.launch来启动，一般是单节点，其中CUDA_VISIBLE_DEVICES设置用的显卡编号
m0_54804970·2025-03-03 11:05

Torch安装必知

从硬件到Torch的支持链条如下Nvidia显卡Nvidia显卡驱动CudaTorchCudnncudnn对torch不是必需，部分项目会依赖cudnn。
m0_52111823·2025-03-03 08:43

win11编译pytorchvision cuda128版本流程

1.前置条件本篇续接自win11编译pytorchcuda128版本流程，阅读前请先参考上一篇配置环境。
System_sleep·2025-03-02 13:04

科技快讯 | DeepSeek宣布开源DeepGEMM；多个团队开发AI论文反识别技术；OpenAI GPT 4.5现身Android测试版，即将发布

该库采用CUDA编写，在安装过程中无需编译，通过使用轻量级的即时编译（JIT）模块在运行时编译所有内核。FP
最新科技快讯·2025-03-01 23:18

【学习】电脑上有多个GPU，命令行指定GPU进行训练。

CUDA_VISIBLE_DEVICES=1假设要使用第二个GPU进行训练。CUDA_VISIBLE_DEVICES=1pythontrain.py
超好的小白·2025-03-01 19:18

window11和Ubuntu20.04安装Nvidia驱动和CUDA的正确方法

双系统安装Win11Ubuntu20.04双系统安装解决ubuntu+win11双系统时间不一致问题Ubuntu:系统分区一、安装Nvidia驱动参考：Ubuntu20.04安装NVIDIA显卡驱动、CUDA
qq_29128985·2025-03-01 07:20
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他