GPUs

Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性

使用TensorFlow的LSTM模型由MSE衡量的预测准确性GPU设置（如果可用）gpus=tf.config.experimental.li读取数据集有几种方法可以获取股市数据。以下数据集是使用
拓端研究室·2022-09-07 16:33

Tensorflow2.4环境配置

ubuntu18.04下tensorflow环境配置1.显卡要求显卡计算能力要求capability>3.5查询：https://developer.nvidia.com/zh-cn/cuda-gpus2
ChandelerGause·2022-09-04 17:17

Hardware-Conscious Hash-Joins on GPUs 翻译

Hardware-ConsciousHash-JoinsonGPUs摘要：传统上，分析数据库引擎使用现代多插槽多核CPU提供的任务并行性来扩展查询执行。在过去的几年中，由于其海量数据并行特性和高内存带宽，GPU作为处理分析查询的加速器开始受到关注。最近为CPU设计连接算法的工作表明，经过精心调整的利用底层硬件的连接实现可以胜过原始的、忽视硬件的对应物，并在现代多核服务器上提供出色的性能。然而，对于
芜湖男童·2022-08-28 21:28

深度学习实战05-卷积神经网络（CNN）实现彩色图片分类

details/116978213一、前期工作1.设置GPUimporttensorflowastfgpus=tf.config.list_physical_devices("GPU")ifgpus:gpu0=gpus
Lvcx·2022-08-24 18:10

【docker 的基本使用】Vscode 连接远程服务器 中的docker

创建容器的容器的时候可以用ImageID或者Repository:Tag如："pytorch/pytorch:1.9.1-cuda11.1-cudnn8-devel"stu@XXX:~$dockerrun-it--gpus
DeathYmz·2022-08-18 08:49

深度学习小技巧日记（日日新）

1、Tensorflow使用GPU加速训练gpus=tf.config.experimental.list_physical_devices(device_type='GPU')forgpuingpus
舞雩.·2022-07-21 07:25

NVIDA CUDA-DirverAPI入门

NVIDA公司发布了CUDA，CUDA是建立在NVIDA的CPUs上的一个通用并行计算平台和编程模型，基于CUDA可以利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。
郑烯烃快去学习·2022-07-21 07:06

人脸检测论文：BlazeFace: Sub-millisecond Neural Face Detection on Mobile GPUs 及其Pytorch实现

论文链接：https://arxiv.org/pdf/1907.05047v1.pdfPyTorch：https://github.com/shanglianlm0525/BlazeFace1概述BlazeFace算法是作者在MobileNet-SSD目标检测框架下，改进了网络结构、anchor机制、替换NMS后处理，使算法在人脸检测任务中保持高精度的同时，在移动GPU推理量身定制的轻量级网络。2
mingo_敏·2022-07-14 21:31

python执行脚本加参数_命令行运行Python脚本时传入参数的三种方式详解

如果在运行python脚本时需要传入一些参数，例如gpus与batch_size，可以使用如下三种方式。
weixin_39628864·2022-07-12 16:17

【pytorch记录】模型的分布式训练DataParallel、DistributedDataParallel

拖延症要好好克服了nn.DataParallelAPI说明gpus=[0,1]torch.nn.DataParallel(model.cuda(),dec
magic_ll·2022-06-29 12:53

MMDetection3D之DETR3D源码解析：整体流程篇

train.py参数设置读入配置文件更新配置信息初始化运行参数初始化数据集和模型train_model的运行机制一、tools/dist_train.sh分布式训练脚本：其中配置文件为pillar.py，gpus
naca yu·2022-06-19 07:37

35岁了怎么发展呢

TVM是一个开源深度学习编译器，可适用于各类CPUs,GPUs及其他专用加速器。它的目标是使得我们能够在任何硬件上优化和运行自己的模型。
·2022-05-24 18:51

TVM 加速模型，优化推断

TVM是一个开源深度学习编译器，可适用于各类CPUs,GPUs及其他专用加速器。它的目标是使得我们能够在任何硬件上优化和运行自己的模型。
·2022-05-22 11:33

Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性

使用TensorFlow的LSTM模型由MSE衡量的预测准确性GPU设置（如果可用）gpus = tf.config.experimental.li读取数据集有几种方法可以获取股市数据。
·2022-05-07 14:38

NVIDIA显卡算力查询

https://blog.csdn.net/xiaxuesong666/article/details/79192162查询的官网地址https://developer.nvidia.com/cuda-gpus
浮逸·2022-05-05 07:11

深度学习框架对应的CUDA版本

基于CUDA编程可以利用GPUs的并行计算引擎来更加高效地解决计算量大的难题。近年来，GPU最成功的一个应用就是深度学习领域，基于GPU的并行计算已经成为训练深度学习模型的标配。
chenxy02·2022-04-15 07:56

nvidia 英伟达 显卡 GPU 的计算能力

nvidia英伟达显卡GPU的计算能力https://developer.nvidia.com/zh-cn/cuda-gpus
夏华东的博客·2022-04-05 07:02

NVIDA CUDA显卡算力对照表

来源:https://developer.nvidia.com/cuda-gpus![Quadro显卡计算能力cuda和显卡版本对应关系
Brucechows·2022-03-26 06:00

【GPU】显卡算力对比表

参考链接英伟达GPU算力表：https://developer.nvidia.com/cuda-gpus显卡算力对比表
艾尔_1222·2022-03-26 06:23

TensorFlow2.0——gpu设置

Tensorflow2.0GPU的使用与分配或者参考TensorFlow中文文档:讲述了各种情况查看有什么设备defset_soft_gpu(soft_gpu):importtensorflowastfifsoft_gpu:gpus
卢容和·2022-03-19 09:46

加速 PyTorch 模型训练的 9 个技巧(收藏)

Pytorch-Lightning1.DataLoaders2.DataLoaders中的workers的数量3.Batchsize4.梯度累加5.保留的计算图6.单个GPU训练7.16-bit精度8.移动到多个GPUs
·2022-03-15 11:38

关于windows10/11 上使用docker19以上版本初始化cuda容器 --gpus all 选项使用后可以创建容器但是无法运行的解决方案（docker-container-cli初始化错误）

原因在windows10/11上docker基于WSL运行，想使用gpu需使用WSL2，并在WSL2里安装驱动，nvcc-V以及nvidia-smi都有输出即可。cuda本机安装后似乎不需要额外安装了，如果需要直接apt安装，用nvcc-V验证是否可以使用cuda，cuda版本建议去Nvidia的窗口查看支持版本，不要安装错了。安装错误需要先卸载。我的win11一直安装cuda不成功是因为Nsig
w12567878·2022-03-13 02:38

2019-08-08-GPU计算力含义

https://developer.nvidia.com/cuda-gpus计算力非描述GPU计算能力强弱的绝对指标，是相对的。是一个架构的版本号。
fanggang·2022-02-19 02:31

Alluxio+NVIDIA GPUs : 加速分析和人工智能

越来越多的数据处理使用NVIDIA计算来实现大规模并行。加速计算的发展意味着无论是在分析、人工智能(AI)还是机器学习(ML)过程中，对存储的访问也需要更快。如果数据访问很大程度影响执行时间，那么GPU加速带来的好处将是有限的。基于GPU的处理与基于CPU的集群相比，可以驱动更高的数据访问吞吐量。随着用于分析和人工智能的处理集群与数据存储系统的分离，加速数据访问将变得更加重要。NVIDIA已经和A
·2022-02-18 13:43

Opencv的DNN模块如何用GPU加速

参考：https://www.pyimagesearch.com/2020/02/03/how-to-use-opencvs-dnn-module-with-nvidia-gpus-cuda-and-cudnn
独孤的大山猫·2022-02-17 07:23

docker with tensorflow-gpus

docker加速阿里镜像docker添加tensorflow环境dockerpulltensorflow/tensorflow:1.15.4-py3dockerpulltensorflow/tensorflow:1.15.4-gpu-py3dockerexec-ittensorflow-test/bin/bashdocker下sudoaptupdatesudoaptinstalllibgl1-me
AlwaysLight·2022-02-11 01:48

Jetson xavier 刷机与配置环境详细教程,并运行系统提供的Demo（小小小白教程）

这个教程有时效性，可能你装的时候，界面不完全一样，只要不报错，每一步就是没问题的，这个文档有结合Jetson群里一些文档，与GPUS公司的一些教程，我会在文后或者文中贴出来PS：再次强调我没说明的步骤，
yugezihl·2022-02-10 07:56

最新英伟达GPU算力

英伟达GPU算力表：https://developer.nvidia.com/cuda-gpus1CUDA-EnabledTeslaProducts1.1TeslaWorkstationProductsGPUComputeCapabilityTeslaK803.7TeslaK403.5TeslaK203.5TeslaC20752.0TeslaC2050
ZhuoJieTech·2022-02-07 17:28

Multimedia

9.1VideoGraphicsSubSystem芯片视频图形子系统由以下专用模块组成：1.视频处理单元(VPU)：多标准高性能视频/图像编解码器；2.两个图形处理单元(GPUs)：3DGPU：加速3D
四季帆·2022-02-05 10:58

Tensorflow设置GPU训练模型

importtensorflowastfgpus=tf.config.list_physical_devices("GPU")ifgpus:tf.config.experimental.set_memory_growth(gpus
ZSYL·2021-12-05 19:39

docker使用GPU报错“Unknown runtime specified nvidia“

问题1复现系统：ubuntu18.04docker版本：20.10.7当我启动一个容器时，运行以下命令：dockerrun-itd\--runtime=nvidia--gpus=all\-eNVIDIA_DRIVER_CAPABILITIES
可可西真美·2021-11-28 20:41

[ray入门] Ray控制任务资源使用

num_gpus(int)-GPU数量，默认为系统GPU数量。object_store_memory(bytes)-对象存储可以使用的内存大小。resources(json)-自定
king_wang·2021-11-16 10:55

Gpu配置与使用策略

1、获得当前主机上运算设备列表：1）gpus=tf.config.experimental.list_physical_devices(device_type=‘GPU’)2）cpus=tf.config.experimental.list_physical_devices
小刘要努力·2021-07-20 13:51

关于 iOS 平台 gpus_ReturnNotPermittedKillClient Crash

引发此问题的关键是，app退到后台依然执行opengl命令解决方法:@seehttps://developer.apple.com/library/archive/qa/qa1766/_index.html
devzhaoyou·2021-06-08 22:15

重新安装Nvida Anaconda Tensorflow-GPU 配置jupyter notebook远程连接

tensorflow-gpu2.0(windows)设置jupyternotebook可远程访问1.安装CUDA工具包10.1、cuDNNNVIDA的这个网站页面（https://developer.nvidia.com/cuda-gpus
晨箜·2021-05-07 16:17

tensorflow-gpu2.3版本安装步骤

算力参考：http://developer.nvidia.com/cuda-gpus驱动版本注意:NVIDIA驱动程序需要418.x或者更高的版本。可以在命令行中输入nvidia-smi命
·2021-04-14 20:04

ubuntu配置docker镜像用于深度学习

ubuntu16.04，cuda10.1为例1.准备工作ubuntu中安装对应cuda版本的显卡驱动，参考链接安装了docker和toolkits，参考链接免sudo使用docker，参考链接测试docker的--gpus
看看据思考·2021-01-10 19:58

GAN生成对抗网络-DCGAN原理与基本实现-深度卷积生成对抗网络03

importtensorflowastffromtensorflowimportkerasfromtensorflow.kerasimportlayersimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportglobimportos#显存自适应分配gpus
gemoumou·2020-12-12 14:53

GAN生成对抗网络-GAN原理与基本实现-入门实例02

importtensorflowastffromtensorflowimportkerasfromtensorflow.kerasimportlayersimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportglobimportos#显存自适应分配gpus
gemoumou·2020-12-10 23:03

GAN生成对抗网络-GAN原理与基本实现-去噪与卷积自编码器01

基本去噪自编码器importtensorflowastfimportmatplotlib.pyplotaspltimportnumpyasnp#显存自适应分配gpus=tf.config.experimental.list_physical_devices
gemoumou·2020-12-10 21:35

深度学习-Tensorflow2.2-RNN循环神经网络{11}-RNN空气污染预测-26

importtensorflowastfimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportpandasaspdimportosimportreimportdatetime#显存自适应分配gpus
gemoumou·2020-12-10 10:49

深度学习-Tensorflow2.2-RNN循环神经网络{11}-评论分类-25

importtensorflowastfimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportpandasaspdimportosimportre#显存自适应分配gpus
gemoumou·2020-12-05 00:28

tensorflow中参数解析以及使用

#method1sysimportsysgpus=sys.argv[1]batch_size=sys.argv[2]print(gpus)print(batch_size)#method2argparse
Serrie.·2020-09-16 23:14

苹果框架学习（二） Metal

文章目录苹果框架学习（二）MetalMetal简介1.Essentials1.1基本任务和概念1.2将OpenGL代码迁移到Metal1.3将您的Metal代码移植到苹果Arm芯片2.GPUs2.1获取默认
极客雨露·2020-09-16 13:35

TensorFlow Large Model Support：TensorFlow中用于大模型支持（lms）的图形编辑库

tensorflow-large-model-support该库提供了一种训练大模型的方法，这些模型往往是GPU显存不足，它采用用户自定义的图，并自动添加swap-in和swap-out节点，用于将tensors从GPUs
shchojj·2020-09-14 22:42

CPU配置Caffe训练SSD遇到Cannot use GPU in CPU-only Caffe: check mode问题解决办法

UsingGPUs0,1,2,3CannotuseGPUinCPU-onlyCaffe:checkmode.解决办法：打开/home/xxx/caffe/examples/ssd/ssd_pascal.py文件，注释以下几行#ifnum_gpus
DeclanNYC·2020-09-14 16:10

kaldi平台上训练神经网络DNN运行时出现的Failed to create CUDA context, no more unused GPUs?

在跑aishell的训练dnn的时候，run.sh调用local/nnet3/run_tdnn.sh，再调用steps/nnet3/train_dnn.py，在train_dnn.py的train函数中train_lib.common.train_one_iteration进行一次训练，在命令行输出一条2019-04-0517:15:44,522[steps/nnet3/train_dnn.py:
boyStray·2020-09-14 13:52

TensorFlow在指定CPU/GPU上运行的方法

转自：http://wiki.jikexueyuan.com/project/tensorflow-zh/how_tos/using_gpu.html使用GPUs支持的设备在一套标准的系统上通常有多个计算设备
xq920831·2020-09-13 14:15

Deep learning configuration on Win 10

cuda-toolkit-archivehttps://developer.nvidia.com/rdp/cudnn-archivehttps://developer.nvidia.com/cuda-gpus2
myj0513·2020-09-13 08:57

Docker与深度学习

Docker容器可以使用宿主机的GPUs，因此我们可以把TensorFlow或者机器学习代码的任何依赖都链接到容器中，这样其他小伙伴就可以使用你的工作成果了。
陆道峰·2020-09-13 03:49
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他