GPU共享

Windows 图形显示驱动开发-WDDM 3.0功能- IOMMU DMA 重新映射（一）

概述直到WDDM3.0，Dxgkrnl仅支持通过1:1物理重新映射实现IOMMU隔离，这意味着GPU访问的逻辑页被转换为相同的物理页码。

程序员王马·2025-03-19 07:58

Linux中部署DeepSeek R1

DeepSeek-R1本地部署硬件需求表模型规模GPU需求CPU需求内存需求存储需求备注1.5B-GTX16504GB（可选）四核i5/Ryzen3000+16GBDDR450GBSSD需4-bit量化

Java探索者 °·2025-03-19 07:26

网络协议与安全：前端安全防护之CORS/CSP/CSRF(3)

防护实战手册文章目录前端安全三剑客：CORS、CSP、CSRF防护实战手册一、当安全防线失守：某社交平台的XSS噩梦二、同源策略：Web安全的基石与枷锁2.1同源定义与限制2.2现实中的妥协方案三、CORS：跨域资源共享的守门人

双囍菜菜·2025-03-19 06:20

NFS实验

1.实验要求设置NFS共享，需要至少两台Linux/Unix机器。下面使用两台服务器来演示NFS安装、配置及使用。

小何学计算机·2025-03-19 05:36

手机租赁平台开发技术方案解析

这事儿可比租共享充电宝复杂多了——毕竟用户可能抱着价值万元的折叠屏手机连夜跑路（别笑，真有案例）。不过别慌，咱们的"技术武器库"里藏着三件法宝：区块链账本、AI风控雷达和支付宝生态对接器。

红点聊租赁·2025-03-19 05:03

【Java】ReadWriteLock浅谈

读锁本质是一种共享锁，即，如果ReadLock获取锁成功，只会阻塞WriteLock锁的获取，不会阻塞其它线程ReadLock锁的获取。而写锁就是正常的独占锁。

风起云涌~·2025-03-19 04:52

【Vuex：在带命名空间的模块内访问全局内容】

✅开启命名空间二、在命名空间模块内访问全局内容1.访问全局state2.访问全局getters3.调用全局mutations4.调用全局actions三、示例：模块间访问与全局状态共享1.定义模块2.注册模块

武帝为此·2025-03-19 02:11

CPU多级缓存 MESI－CPU缓存一致性协议以及乱序执行优化

一、CPU的多级缓存1.为什么需要CPU缓存在一个典型的系统中，可能会有几个缓存共享主存，每个相应的CPU会发出读写请求，CPU的频率太快了，快的主存跟不上，这样主存常常需要等待主存，而缓存的目的是为了减少

H_Ystar·2025-03-19 01:34

深入GPU渲染流水管线：从顶点到像素的微观世界

现代图形硬件的架构解密与优化实践一、渲染流水线全景解析1.经典渲染管线阶段划分应用阶段几何阶段光栅化阶段像素处理阶段输出合并阶段2.现代GPU架构演进SIMT架构特性：NVIDIASM(StreamingMultiprocessor

晴空了无痕·2025-03-19 01:00

C++高频（二）

两者有什么区别动态链接和静态链接的区别：动态链接：在程序运行时进行链接，加载共享库文件。节省空间，可多个程序共享库文件。灵活性高，可以动态加载不同版本的库文件。维护方便，只需更新库文件本身。

HUZ_小Z·2025-03-19 00:56

程序员必看！DeepSeek全栈开发实战指南：从代码生成到性能优化

这两项技术突破对程序员群体意义重大：通信效率飞跃：DeepEP通过NVLink优化实现GPU间158GB/s传输速度，后端开发者训练大模型时可节省60%集群资源推理性能突破：R1模型在H

AI创享派·2025-03-18 20:59

自建 DeepSeek 时代已来，联网搜索如何高效实现

基于7B/13B参数量的模型在常规GPU服务器上即可获得商业级响应效果，配合Higress开源AI网关的增强能力，开发者可快速构建具备实时联网搜索能力的智能问答系统。

·2025-03-18 18:38

纵存科技加入OurBMC，共建高性能存储技术栈

纵存科技专注于为用户提供存储互联的全栈解决方案，致力于在操作系统的存储软件栈与存储互联芯片（HBA/RAID/Expander/Switch）进行全栈创新，同时也积极参与开源社区的技术平台搭建与开源技术共享

·2025-03-18 18:08

java版鸿鹄招采系统源码招投标系统源码供应商招投标平台源码

该系统以项目为主线，从项目立项到项目归档，实现了数据信息的实时共享、规范化管理和有效监控。通过有效沟通、高效流

微服务 spring cloud·2025-03-18 17:06

【linux】【进程】进程间通信（IPC）方式效率排序

【linux】【进程】进程间通信（IPC）方式效率排序（自己理解）按照效率从高到低排序：共享内存>信号>管道>消息队列>套接字1.共享内存（最高效）现代操作系统，对于内存管理，采用的是虚拟内存技术，也就是每个进程都有自己独立的虚拟内存空间不同进程的虚拟内存映射到不同的物理内存中

钟离墨笺·2025-03-18 16:02

yolov4

V4贡献：亲民政策，单GPU就能训练的非常好，接下来很多小模块都是这个出发点两大核心方法，从数据层面和网络设计层面来进行改善消融实验，感觉能做的都让他给做了，这工作量不轻全部实验都是单GPU完成，不用太担心设备了

zzh-·2025-03-18 16:28

【保姆级视频教程（一）】YOLOv12环境配置：从零到一，手把手保姆级教程！| 小白也能轻松玩转目标检测！

文章目录1.FlashAttentionWindows端WHL包下载1.1简介1.2下载链接1.3国内镜像站1.4安装方法2.NVIDIAGPU计算能力概述2.1简介2.2计算能力版本与GPU型号对照表

一只云卷云舒·2025-03-18 16:56

docker

资源高效：共享宿主机内核，相比虚拟机（VM）更节省内存和计算资源，启动速度更快。跨

MzKyle·2025-03-18 15:53

C语言实现队列数据结构：思路与代码详解

头文件包含与宏定义（二）数据类型定义（三）队列操作函数1.队列初始化2.队列销毁3.入队操作4.出队操作5.获取队头元素6.获取队尾元素7.获取队列大小8.判断队列是否为空（四）主函数测试四、总结作者主页：共享家

共享家9527·2025-03-18 15:50

使用 WebP 优化 GPU 纹理占用

WebP格式相比JPEG/PNG文件更小，可以减少GPU纹理内存占用，提高WebGL/Three.js/3D渲染的性能。为什么WebP能减少GPU内存占用？

泫凝·2025-03-18 14:45

运维Tips | Ubuntu 24.04 安装配置 samba 文件共享

[知识是人生的灯塔，只有不断学习，才能照亮前行的道路]Ubuntu24.04安装配置samba文件共享描述：我们将Ubuntu24.04作为机器学习的工作站，往往需要将Ubuntu24.04中的数据或者代码共享给我们其他使用

全栈工程师修炼指南·2025-03-18 14:12

LLaMA-Factory 微调训练

LLaMA-Factory微调训练该框架功能，标注-微调-导出-合并-部署，一整条流程都有，而且训练时消耗的gpu算力也会小一些一，安装（推荐在linux中训练，win可以用wsl+docker）gitclonehttps

zsh_abc·2025-03-18 14:40

指纹浏览器：隐私保护利器与技术实践指南——从身份隐匿到多账号管理的核心解析

▶核心技术解析Canvas指纹：不同设备的抗锯齿算法差异生成唯一哈希值，成为主流追踪手段WebGL指纹：提取GPU驱动版本等硬件信息，构建设备画像环境参数交叉验证：时区、屏幕分辨率、

Hotlogin·2025-03-18 13:07

PLM项目管理软件的核心价值与企业应用场景

PLM项目管理软件的核心价值PLM项目管理软件的核心价值首先体现在数据的集中管理与共享上。在传统的企业运作模式下，产品相关

·2025-03-18 13:59

智能汽车：驶向未来的革命

二、智能汽车的定义与发展现状智能汽车，是指搭载先进传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与X（人、车、路、云端等）智能信息交换、共享，具备复杂环境感知、智能

·2025-03-18 13:52

unity资源加载

unity资源加载打包的资源Android所有资源打包在unityLibrary\src\main\assets\bin\Data\data.unity3d场景存放在level[n]共享资源存放在sharedassets

qmladm·2025-03-18 13:32

金枪鱼net·2025-03-18 12:31

Sql常见问题

主要有两种锁：•共享锁（SharedLock，读锁）：允许多个事务同时读取同一数据，但不允许修改。

amber66666！·2025-03-18 12:21

Hyperlane：解锁并发编程的未来

它充分利用了Rust与Tokio的强大能力，为开发者提供了一种安全、简便的数据共享方式。本文将介绍Hyperlane在锁管理和异步编程方面的实践，展示如何规避死锁问题，从而构建高效可靠的并发程序。

LTPP·2025-03-18 09:24

PyTorch 生态概览：为什么选择动态计算图框架？

其核心优势体现在：动态灵活性：代码即模型，支持即时调试Python原生支持：无缝衔接Python生态高效的GPU加速：通过CUDA实现透明的硬件加速活跃的社区生态：GitHub贡献者超1.8万人，日均更新

小诸葛IT课堂·2025-03-18 07:12

Windows 图形显示驱动开发-WDDM 3.0功能- D3D12 视频编码（一）

关于Direct3D12视频编码在Windows11（WDDM3.0）之前，DirectX12提供了应用程序和驱动程序级接口（API和DDI），以支持多个视频应用程序的GPU加速，包括视频解码、视频处理和运动估计

程序员王马·2025-03-18 07:38

C++11——智能指针和function库

目录一、智能指针1.std::unique_ptr（独占所有权指针）2.std::shared_ptr（共享所有权指针）3.std::weak_ptr（弱引用指针）关键区别总结最佳实践基本用法可封装的对象类型核心特性示例代码

爱吃喵的鲤鱼·2025-03-18 05:57

ubuntu20.04挂起/休眠后无法唤醒，只能强制重启

设备信息OS:Ubuntu20.04.2LTSx86_64Kernel:5.8.0-63-genericShell:zsh5.8DE:GNOMECPU:Inteli5-6300HQ(4)@3.200GHzGPU

koigh·2025-03-18 04:11

ubuntu20.04 GPU基准测试

目前仅在一种机型尝试环境系统版本（cat/etc/issue）ubuntu20.04gpu数量及型号（lspci|grepNV|grepVGA）02:00.0VGAcompatiblecontroller

爱吃土豆的猫ttt·2025-03-18 04:11

【linux 内存管理】mmap.c文件代码分析do_mmap() 和 do_mmap_pgoff()

如果该进程用到了任何一个共享库，则共享库也必须装入到进程的虚拟地址空间。由此可看出，Linux并不将映像装入到物理内存，相反，可执行文件只是被连接到进程的虚拟地址空间中。

ElisabethSissi·2025-03-18 01:50

torch.unsqueeze：灵活调整张量维度的利器

在深度学习框架PyTorch中，张量（Tensor）是最基本的数据结构，它类似于NumPy中的数组，但可以在GPU上运行。在日常的深度学习编程中，我们经常需要调整张量的维度以适应不同的操作和层。

冰蓝蓝·2025-03-17 23:07

如何使用MATLAB进行高效的GPU加速深度学习模型训练？

要使用MATLAB进行高效的GPU加速深度学习模型训练，可以遵循以下步骤和策略：选择合适的GPU硬件：首先，确保您的计算机配备有支持CUDA的NVIDIAGPU，并且其计算能力至少为3.0或以上。

百态老人·2025-03-17 22:56

matlab怎么将代码在gpu上运行,使用GPU加速MATLAB代码？

使用GPU加速MATLAB代码？

如果有片海·2025-03-17 22:26

Windows 图形显示驱动开发-WDDM 3.0功能- D3D12 增强型屏障（二）

任何依赖于先前GPU工作的GPU工作都必须在访问相关数据之前同步。增强型屏障接口使用显式SyncBefore和SyncAfter值作为逻辑位字段掩码。

程序员王马·2025-03-17 22:24

【技术解密】本地部署 DeepSeek-V3：完整指南

1.运行环境需求1.1硬件要求✅NVIDIAGPU（支持

海棠AI实验室·2025-03-17 22:54

推荐文章：GPU 基于顶点着色器的高效动画系统 for Unity.Entities

劳治亮·2025-03-17 22:53

[Unity] GPU动画实现（四）——生成动画数据

目前使用的方法有一个很大缺陷在于基于顶点生成的动画占用的空间很大，一个理想的情况是基于骨骼数据，本文权当抛砖引玉，后续有时间考虑尝试一下基于骨骼数据生成动画。本文内容大量参考自白菊花瓣丶的视频，感谢！生成动画数据需要用到ComputeShader来提高运行的效率，首先在Resources下创建这样一个computeshader，在这里我将其命名为"AnimVertices"。#pragmakern

Zhidai_·2025-03-17 22:23

[Unity] GPU动画实现（一）——介绍

当谈到戴森球计划的时候，我师兄说里面的动画都是一个叫GPU动画的东西来实现的，几乎一切图形功能名字扯到GPU的时候，通常都是高性能的体现，让我不禁好奇GPU动画是什么东西。

Zhidai_·2025-03-17 22:22

Matlab GPU加速技术

1.GPU加速简介（1）为什么使用GPU加速？CPU擅长处理逻辑复杂的串行任务，而GPU拥有数千个流处理器，专为并行计算设计。

算法工程师y·2025-03-17 21:50

【大模型实战篇】使用GPTQ量化QwQ-32B微调后的推理模型

低精度运算（如INT8）在GPU等硬件上计算效率更高，推理速度可提升2~4倍。我们的任务是，将QwQ-32B微调后的推理模型，也就是bf16的精度，通过量化，压缩到int4。

源泉的小广场·2025-03-17 21:19

## centos7搭建nfs高可用共享存储

centos7搭建nfs双机热备的高可用共享存储本文通过使用keepalived＋nfs＋rsync，解决了主从服务器双向同步和客户端挂载失效的问题，实现了nfs文件系统双机热备。

weixin_45674361·2025-03-17 21:18

PyTorch中，将`DataLoader`加载的数据高效传输到GPU

一、数据加载到GPU的核心步骤数据预处理与张量转换若原始数据为NumPy数组或Python列表，需先转换为PyTorch张量：X_tensor=torch.from_numpy(X).float()#转换为浮点张量

大霸王龙·2025-03-17 20:42

智能体平台架构深度剖析：从底层到应用的全链路解析

其中，GPU和服务器构成了强大的计算硬件支撑，确保平台能够应对复杂的计算任务。而数据与OSS（对象存储服务）则如同智能体的“

·2025-03-17 20:18

21-梯度累积原理与实现

一、基本概念在深度学习训练的时候，数据的batchsize大小受到GPU内存限制，batchsize大小会影响模型最终的准确性和训练过程的性能。

机器人图像处理·2025-03-17 19:34

JVM基础概念整理

JVM中只保留了PC寄存器内存区域与内存溢出异常１.运行时数据区域线程私有区域程序计数器、Ｊａｖａ虚拟机栈、本地方法栈线程私有：生命周期与具体线程相同，随着线程的创建而创建，随着线程销毁，对应空间回收线程共享区域

喜欢薄荷味·2025-03-17 19:04

推荐频道