GPU并行编程第4页

Python的PyTorch+CNN深度学习技术在人脸识别项目中的应用

硬件加速：GPU、TPU等加速计算，提升实

mosquito_lover1·2025-02-25 01:07

使用 DeepSeek 和 Streamlit 构建 AI 驱动的 SQL 查询应用程序

知识大胖·2025-02-25 01:06

[15] 使用Opencv_CUDA 模块实现基本计算机视觉程序

使用Opencv_CUDA模块实现基本计算机视觉程序CUDA提供了出色的接口，发挥GPU的并行计算能力来加速复杂的计算应用程序利用CUDA和Opencv的功能实现计算机视觉应用1.对图像的算术和逻辑运算两个图像相加

明月醉窗台·2025-02-24 18:51

显卡3050ti等安培架构的GPU安装paddlepaddle

3050ti等安培架构的GPU安装paddlepaddle官网原话如果您使用的是安培架构的GPU，推荐使用CUDA11.2如果您使用的是非安培架构的GPU，推荐使用CUDA10.2，性能更优其他配套确定软件版本后

社会闲散人员中的代码爱好者·2025-02-24 14:49

什么是Grok-3？技术特点，场景，潜在问题与挑战

Grok-3的技术特点与优势1.超大算力与训练规模算力投入：Grok-3使用了20万块英伟达H100GPU，分两个阶段训练（第一阶段10万GPU训练144天，第二阶段20万GPU训练92天），总计算量是前代

AndrewHZ·2025-02-24 13:46

简单介绍 NVIDIA推出的图形处理单元（GPU）架构“安培架构“

概念"安培架构"（AmpereArchitecture）是NVIDIA推出的一款图形处理单元（GPU）架构，它是继图灵架构之后的下一代产品。

神仙约架·2025-02-24 13:13

ChatTTS-ui模型概述、安装及使用方法说明

的安装与配置1.安装Python和Git环境2.下载ChatTTS-ui源码3.创建并激活虚拟环境4.安装依赖5.启动应用四、ChatTTS-ui的高级功能1.API调用2.音色自定义3.细粒度控制4.GPU

醉心编码·2025-02-24 12:38

Ollama 部署指南（Windows）

Ollama现在作为本机Windows应用程序运行，包括NVIDIA和AMDRadeonGPU支持。

圣心·2025-02-24 11:27

适用于呼叫中心质检的离线ASR模型

支持GPU/CPU部署，提供Python和C++接口。部署

狂爱代码的码农·2025-02-24 08:07

GPU与FPGA加速：硬件赋能AI应用

GPU与FPGA加速：硬件赋能AI应用1.背景介绍1.1人工智能的兴起人工智能(AI)在过去几年中经历了爆炸式增长,成为推动科技创新的核心动力。

AI天才研究院·2025-02-24 01:20

（14）FPGA与GPU区别

（14）FPGA与GPU区别1文章目录1）文章目录2）FPGA入门与提升课程介绍3）FPGA简介4）FPGA与GPU区别5）技术交流6）参考资料2FPGA入门与提升课程介绍1）FPGA入门与提升文章目的是为了让想学

宁静致远dream·2025-02-24 01:18

GPU和FPGA的区别

GPU（GraphicsProcessingUnit，图形处理器）和FPGA（Field-ProgrammableGateArray，现场可编程门阵列）不是同一种硬件。

Florence23·2025-02-24 00:44

在 GPU 上实现全规模文件系统加速

摘要现代高性能计算和人工智能计算解决方案经常使用GPU作为其主要计算能力来源。这就为GPU应用程序的存储操作造成了严重的不平衡，因为每一个此类存储操作都必须向CPU发出信号并由CPU处理。

·2025-02-23 16:04

前端面试题（超全！）

（2）那么就拿html和css来说，是靠GUI来渲染的，那么如果要避免回流重绘，需要靠GPU进程完成，这样性能会好。（3）js是靠渲染进程的渲

技术猿禁·2025-02-23 15:06

Xmodel-VLM: A Simple Baseline for Multimodal Vision Language Model

它是为在消费级GPU服务器上高效部署而设计的。我们的工作直接面对一个关键的行业

UnknownBody·2025-02-23 14:58

NVIDIA-vGPU介绍和下载地址以及安装流程

这里以NVIDIA-Linux-x86_64-470.63-vgpu-kvm.run文件进行介绍和下载安装NVIDIA-Linux-x86_64-470.63-vgpu-kvm介绍NVIDIA-Linux-x86

萌萌哒240·2025-02-23 13:56

骁龙 8 至尊版：AI 手机的变革先锋

目录引言性能跃升：AI手机的强劲根基（一）CPU性能革命（二）GPU图形进化（三）NPU智能核心AI体验革新：多维度的智能进化（一）个性化多模态AI助手（二）影像体验的AI重塑（三）游戏体验的AI赋能生态合作与未来展望引言在当今科技飞速发展的时代

倔强的小石头_·2025-02-23 12:44

NVIDIA A100 SXM4与NVIDIA A100 PCIe版本区别深度对比：架构、性能与场景解析

NVIDIAA100SXM4与PCIe版本深度对比：架构、性能与场景解析作为NVIDIAAmpere架构的旗舰级数据中心GPU，A100系列凭借强大的计算能力和显存带宽，已成为人工智能训练、高性能计算（

ASI人工智能·2025-02-23 09:55

手把手教你本地部署DeepSeek大模型！从环境搭建到数据训练全流程实战

DeepSeek作为国产优秀大模型，支持本地化部署和私有数据训练，可完美解决：数据不出内网：医疗/金融等敏感行业刚需垂直领域定制：用自有数据打造专属AI助手算力自由掌控：灵活调配GPU资源，成本可控本文将带你从零完成

菜鸟养成_记·2025-02-23 08:16

英伟达（NVIDIA）芯片全解析：专业分类、应用场景与真实案例

NVIDIA不仅仅是“游戏显卡”的代名词，它的GPU和AI计算平台已经广泛应用于人工智能（AI）、自动驾驶、医疗影像、工业自动化、智能家居等领域。那么，NVIDIA的芯片有哪些分类？它们分别用在哪里？

嵌入式Jerry·2025-02-23 06:31

deepseek-r1系列模型私有化部署分别需要的最低硬件配置

系列模型部署所需的最低硬件配置如下‌：‌DeepSeek-R1-1.5B‌‌CPU‌：最低4核（推荐多核处理器）‌内存‌：8GB+‌硬盘‌：3GB+存储空间（模型文件约1.5-2GB）‌显卡‌：非必需（纯CPU推理），若GPU

Sophie'sCookingLab·2025-02-23 05:21

前端性能优化:页面加载速度慢怎么办？

缓存静态资源缓存webpack的hash策略-文件资源缓存减少资源请求量图片懒加载代码构建优化webpack资源压缩treesharking-js代码的精简分包按需加载浏览器渲染优化webworkerGPU

好运连连女士·2025-02-22 20:12

一个完全免费、私有且本地运行的搜索聚合器-FreeAskInternet

什么是FreeAskInternetFreeAskInternet是一个完全免费、私有且本地运行的搜索聚合器，使用LLM生成答案，无需GPU。

星霜笔记·2025-02-22 18:24

如何评估代理IP服务对AI大模型训练的影响

工程师们往往更关注GPU型号或算法优化，却容易忽略网络链路这个隐形变量。本文将以可复现的测试方法，拆解代理IP对训练效果的三大影响维度，手把手教您建立科学的评估体系。

·2025-02-22 08:33

YOLOv11快速上手：如何在本地使用TorchServe部署目标检测模型

环境准备在开始之前，确保你的开发环境满足以下要求：Python版本：3.8或以上PyTorch：1.9或以上CUDA：如果使用GPU，加速训练和推理TorchServe：用于模型

SYC_MORE·2025-02-22 07:57

DeepSeek的架构设计

DeepSeek的架构设计一、基础架构层1.超大规模算力集群跨地域异构计算:南京/临港等多地超算中心构建混合集群，10万+GPU卡规模（含H100/A100等），通过自研RDMA网络实现μs级延迟能效优化

程序猿000001号·2025-02-22 06:24

哪种LLM量化方法最适合您？：GGUF、GPTQ 还是 AWQ

它允许用户在CPU上运行LLM，同时通过提供速度改进将一些层卸载到GPU。GGUF对于那些在CPU或Apple设备上运行模型的用户特别有用。在GGUF上

GordonJK·2025-02-22 05:38

马斯克发布的Grok3如何,大家如何评价

技术特点与性能计算能力：Grok3的训练使用了约10万块GPU卡，计算能力是上一代Grok2的10倍。这种大规模的计算资源投入使得Grok3在推理能力和逻辑一致性方面表现出色。多模态与实时数据处

魔王阿卡纳兹·2025-02-22 01:30

GPU渲染管线——处理流程总结

GPU图形渲染管线图形渲染管线（GraphicsRenderingPipeline）是GPU渲染三维场景的主要工作流程。它是一个逐步处理的框架，将三维场景的数据转化为屏幕上的二维图像。

fengnian18·2025-02-21 22:39

尝试在exo集群下使用deepseek模型：第一步，调通llama

exo是一个多机协同AI大模型集群软件，它可以将多种设备统一成一个强大的GPU，支持多种模型，并具有动态模型分区、自动设备发现等功能‌。

skywalk8163·2025-02-21 22:33

蓝耘科技上线 DS 满血版，500万tokens免费送！

立志在坚不欲说，成功在久不在速欢迎关注：点赞⬆️留言收藏欢迎使用：小智初学计算机网页AI蓝耘元生代智算云架构蓝耘元生代智算云平台是一个现代化的、基于Kubernetes的云平台，专为大规模GPU加速工作负载而构建

Lethehong·2025-02-21 19:16

前端项目：获取本地计算机（局域网、公网）真实IP。

response.json()).then(data=>console.log('PublicIP:',data.ip)).catch(error=>console.error('ErrorfetchingpublicIP

Smile_Gently·2025-02-21 13:14

autok3s搭建k3s ha集群并支持gpu调度

本文描述了如何利用autok3s搭建k3s集群，同时支持对gpu的调用和切分。

StevenforAI·2025-02-21 12:34

探索流体模拟新境界：Unity中的基于位置的动力学（PBD）在GPU上的壮丽实践

探索流体模拟新境界：Unity中的基于位置的动力学（PBD）在GPU上的壮丽实践PBD-Fluid-in-UnityAPBDfluidinunityrunningontheGPU项目地址:https:/

仲玫千Samson·2025-02-21 11:02

本地搭建小型 DeepSeek 并进行微调

1.环境准备Python3.7或更高版本PyTorch1.8或更高版本CUDA(可选，用于GPU加速)Git2.克隆DeepSeek仓库bash复制gitclonehttps://github.com/

非著名架构师·2025-02-20 15:55

马斯克的Grok-3：技术突破与行业冲击的深度解析

一、技术架构与核心突破超大规模算力集群Grok-3基于xAI自研的Colossus超级计算机训练完成，搭载20万块英伟达H100GPU，累计消耗2亿GPU小时，算力投入是前代Grok-2的10倍48。

♢.＊·2025-02-20 14:15

AI服务器散热黑科技：让芯片“冷静”提速

以GPT-4的训练为例，它需要大量的GPU

小深ai硬件分享·2025-02-20 09:29

FastGPT接入向量模型 M3E 和重排模型 bge-reranker-large

一、FastGPT接入向量模型M3E1.拉取m3e镜像#GPU模式启动，并把m3e加载到fastgpt同一个网络dockerpullregistry.cn-hangzhou.aliyuncs.com/fastgpt_docker

福葫芦·2025-02-20 08:58

卷积神经网络之AlexNet经典神经网络，实现手写数字0~9识别

深度学习中较为常见的神经网络模型AlexNet，AlexNet是一个采用GPU训练的深层CNN，本质是种LeNet变体。由特征提取层的5个卷积层两个下采样层和分类器中的三个全连接层构成。

知识鱼丸·2025-02-20 08:24

KTransformers如何通过内核级优化、多GPU并行策略和稀疏注意力等技术显著加速大语言模型的推理速度？

KTransformers通过内核级优化、多GPU并行策略和稀疏注意力等技术显著加速大语言模型的推理速度，具体体现在以下几个方面：内核级优化：KTransformers采用了高效的内核级优化技术，包括对

魔王阿卡纳兹·2025-02-20 04:53

Vulkan

片上系统生产商（SoCs）比如GPU独立硬件供应商（IHVs）可以为Android编写Vulkan驱动；OEMs简单地需要为特定的硬件集成

hanpfei·2025-02-20 03:14

百度百舸 DeepSeek 一体机发布，支持昆仑芯 P800 单机 8 卡满血版开箱即用

选择合适的GPU配置、安装相应的环境、成功部署上线业务、加速推理任务加速、支撑多用户并发……完成业务测试，成功融入生产业务中。

百度智能云技术站·2025-02-20 01:55

GPU通信革命：跨平面网络效率提升300%的秘密武器

CPU中转，多平面网络RDMA通信时延降低50%」——Deepseek专利CN118612157A一、技术解析：突破AI算力瓶颈的底层创新1.技术背景：终结多平面网络CPU中转困境传统多平面网络中，跨平面GPU

CodePatentMaster·2025-02-19 22:27

【TVM教程】为 x86 CPU 自动调优卷积网络

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。

·2025-02-19 20:45

QT+FFmpeg如何使用GPU加速解码？

本文收录于《全栈Bug调优(实战版)》专栏，主要记录项目实战过程中所遇到的Bug或因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由；同时，欢迎大家关注&&收藏&&订阅！持续更新中，up！up！up！！全文目录：问题描述解决方案1.确保FFmpeg和CUDA的支持2.正确选择硬件解码器设置硬件解码器3.初始化CUDA硬件设备4.硬件解码流程解码帧并处理硬件帧5.检查FF

bug菌¹·2025-02-19 17:22

x86平台基于Qt+opengl优化ffmpeg软解码1080P视频渲染效率

优化的思路一共有以下几个方面，1.软解码变成硬解码2.将YUV转QImage的操作转移到GPU3.QWidget渲染QImage变成opengGL渲染AVFrame这三点优化来说2与3是优化的效率是非常显著的

zanglengyu·2025-02-19 16:14

Houdini：Houdini光照与渲染基础_2024-07-16_02-34-24.Tex

Mantra的设计理念是灵活性和可扩展性，它支持多种渲染模式，包括CPU渲染和GPU渲染，以及分布式渲染。Mantra的渲染质量高，特别适合于处理大规模的场景和复杂的视觉效果。Mantra渲染器的特点

chenjj4003·2025-02-19 14:21

国内支持 Maya 渲染的云渲染平台汇总

以下为大家介绍一些国内支持Maya渲染的云渲染平台：渲染101价格优势：该平台在价格方面表现出色，CPU渲染最低仅0.6元/小时，GPU3090起步价为4元/小时。

渲染101专业云渲染·2025-02-19 13:49

图形渲染（一）——Skia、OpenGL、Mesa 和 Vulkan简介

Skia本身不直接管理GPU或进行底层的渲染工作，而是通过底层图形API（如OpenGL或Vulkan）来实现硬件加速的渲染。-Skia的角色：提供高层的2D渲染API，抽象掉底层的硬件细节。

阳光开朗_大男孩儿·2025-02-19 09:44

初识Vulkan渲染管线

上面中文管线结构图中有两个应用程序入口，左侧为简单示例入口，右侧为使用GPU进行高性能通用计算时的计算管线。1.绘制：命令进入Vulkan图形

超级无敌小小顺利·2025-02-19 09:12

推荐频道

GPU并行编程