Gpu

嵌入式AI革命：DeepSeek开源如何终结GPU霸权，开启单片机智能新时代？

2025年，全球AI领域最震撼的突破并非来自算力堆叠的超级模型，而是中国团队DeepSeek通过开源策略，推动大模型向微型化、低功耗场景的跨越。相对于当人们还在讨论千亿参数模型的训练成本被压缩到600万美金而言，被称作“核弹级别”的操作，是DeepSeek的完全开源。一个更具颠覆性的命题浮出水面：能否将DeepSeek这样的先进AI模型移植到单片机（MCU）上，让手表、传感器甚至灯泡都具备真正的智
老六哥_AI助理指南·2025-02-12 16:09

Deep Seek大模型部署到本地 详细教程

以下是将DeepSeek大模型部署到本地开发环境的详细教程，分为多个步骤，包含技术细节和注意事项：步骤1：环境准备硬件要求GPU：推荐NVIDIAGPU（至少16GB显存，如RTX3090/4090或A100
Katie。·2025-02-12 11:40

（python）如何看自己安装的包的版本

findstr"numpyscipytensorflowkeras"输出numpy1.13.1scipy0.19.1tensorflow-cpu2.4.0tensorflow-estimator2.4.0tensorflow-gpu2.4.0
9677·2025-02-12 10:04

llama-cpp-python CUDA error问题

安装完cuBLAS(CUDA)版本的llama-cpp-pythonCMAKE_ARGS="-DLLAMA_CUBLAS=on"pipinstallllama-cpp-python跑模型，指定n_gpu_layers
0语1言·2025-02-12 09:31

【‌Unity】Unity中物体的static属性作用

因此，Unity可以提前计算并缓存这些物体的光照和遮挡信息，从而减少在运行时对GPU的调用次数，提高游戏运行的流畅度‌。光照贴图优化‌：对于标
_Keep up·2025-02-12 07:42

Pointnet++改进即插即用系列：全网首发ACConv2d|即插即用，提升特征提取模块性能

目录1.理论介绍2.修改步骤2.1步骤一2.2步骤二2.3步骤三1.理论介绍由于在给定的应用环境中设计合适的卷积神经网络(CNN)架构通常需要大量的人工工作或大量的GPU时间，研究社区正在
AICurator·2025-02-12 06:36

模型轻量化

影响神经网络推理速度主要有4个因素：FLOPs、MAC、计算并行度、硬件平台架构与特性（算力、GPU内存带宽）模型压缩工业界主流的模型压缩方法有：知识蒸馏（KnowledgeDistillation，KD
莱茶荼菜·2025-02-11 22:10

DARTS算法笔记（论文+代码）

DARTS通过两次近似，将问题简单化，以减少GPU计算天数，局部最优近似全局最优，有限差分近似求梯度。摘要：在CIFAR-10、ImageNet、PennTreebank和
朴公英不会飞·2025-02-11 19:42

【DeepSeek】DeepSeek R1 本地部署（Ollama+Docker+OpenWebUI）

说明为什么使用本方案部署环境与资源本地部署需要用户自建硬件（如GPU集群）和配置环境，适合对数据隐私要求较高或离线处理场景；线上API则由服务商托管，用户通过网络调用，无需自行投资硬件资源。
neter.asia·2025-02-11 19:42

云上部署文生图大模型Stable Diffusion 3

请跟随本文，在百度智能云GPU服务器上部署StableDiffusion3。准备工作环境信息本文以百度智能云GP
·2025-02-11 16:26

Win11电脑显存大小查看教程：两种方法轻松掌握

Win11电脑显存大小查看教程：两种方法轻松掌握显存作为图形处理单元（GPU）的重要组成部分，对于图形渲染、游戏性能以及专业图形应用等方面都有着至关重要的影响。
mmoo_python·2025-02-11 13:05

唤醒 AI 算力，专有云 ABC Stack 面向企业级智算平台的 GPU 提效实践

从「建好」到「用好」，企业级智算平台借助专有云ABCStack的GPU提效服务，应对大模型业务挑战，唤醒AI算力，加速AI原生业务的落地。
·2025-02-11 12:16

0 Token 间间隔 100% GPU 利用率，百度百舸 AIAK 大模型推理引擎极限优化 TPS

大模型推理引擎的基本工作模式可以概括为，接收包括输入prompt和采样参数的并发请求，分词并且组装成batch输入给引擎，调度GPU执行前向推理，处理计算结果并转为词元返回给用户。
·2025-02-11 11:44

NVIDIA-docker Cheatsheet

TensorFlowDockerrequirementsInstallDockeronyourlocalhostmachine.ForGPUsupportonLinux,installnvidia-docker.Note
weixin_30758821·2025-02-11 11:22

windows server独立部署Qwen2.5-vl-7B

服务器配置信息CPU：64GGPU：48G（RTX4090）一、使用conda下载模型Qwen2.5-VL-7B-Instructconda下载condacreate--nameqwenpython=3.11condaactivateqwen
hello_world_Q·2025-02-11 10:38

Vulkan：Vulkan性能优化与调试技巧_2024-07-20_16-35-28.Tex

Vulkan：Vulkan性能优化与调试技巧Vulkan基础概述Vulkan渲染管线简介Vulkan是一种低开销、跨平台的图形和计算API，它为开发者提供了直接访问GPU的能力，从而实现高性能的图形渲染和计算任务
chenjj4003·2025-02-11 02:36

AI 场景下，函数计算 GPU 实例模型存储最佳实践

为了帮助开发者高效地在函数计算上部署AI推理应用，并快速解决不同场景下的模型存储选型问题，本文将对函数计算的GPU模型存储的优缺点及适用场景进行对比分析，以期为您的模型存储决策提供帮助。
·2025-02-10 23:53

看懂 DeepSeek 模型参数与运行需求

在运行配置方面，最低只需4GB显存的GPU、4核CPU以及8GB内存，普通的个人电脑便能轻松驾驭。
现时云·2025-02-10 22:08

“轻松上手！5分钟学会用京东云打造你自己的专属DeepSeek”

\#从第⼀步骤到第四步骤是完成DeepSeek本地部署和使⽤,可以满⾜中⼩企业环境的稳定使⽤,第五步骤为基于AnythingLLM和本地数据进⾏训练(基于本地数据搭建本地知识库):⼀：京东云GPU云主机环境准备
·2025-02-10 18:11

DeepSpeed 在三台T4卡上部署deepseek-r1:32b

推理部署的重点是利用多台机器和多块GPU来加速模型的推理过程。1.环境准备首先，确保每台机器上都安装了正确的依赖项。
MonkeyKing.sun·2025-02-10 14:33

硅基流动与华为云联合推出基于昇腾云的DeepSeek R1&；V3推理服务

该服务具备以下特点：得益于自研推理加速引擎加持，硅基流动和华为云昇腾云服务支持部署的DeepSeek模型可获得持平全球高端GPU部署模型的效果。
光锥智能·2025-02-10 12:14

解决Pytorch的cuDNN error: CUDNN_STATUS_NOT_INITIALIZED

目录1.问题报错2.可能原因2.1GPU内存不足2.2缓存问题2.3CUDA和Pytorch版本不兼容2.4CUDA和cuDNN版本不兼容3.验证CUDA是否可用4.参考1.问题报错在使用GPU加速模型训练的过程中经常会遇到这样的错误
Jurio.21·2025-02-10 00:31

【PyTorch 】【CUDA】深入了解 PyTorch 中的 CUDA 和 cuDNN 版本及 GPU 信息

目录引言一、环境准备1.1重要的环境依赖1.2安装CUDA和cuDNN1.3示例安装步骤1.4PyTorch、CUDA和cuDNN版本兼容性表二、检查CUDA和cuDNN版本三、检查GPU可用性四、测试
丶2136·2025-02-10 00:27

【Windows/C++/yolo开发部署03】将实例分割模型ONNX导出为 TensorRT 引擎：完整记录

两种方式】+【支持linux和windows】资源-CSDN文库目录写在前面环境准备1.使用trtexec将ONNX模型转换为TensorRT引擎2.验证TensorRT引擎2.1TensorRT版本2.2GPU
认识祂·2025-02-09 13:42

[linux thermal] cpufreq_power2state()函数学习

前言在thermal管理中，IPA策略将会为各个actors（cpubigcore、littlecore、GPU等）分配预算功率，以达到“控制温度的同时尽量保证性能”的目的。那么该功率是如何起作用的？
折木H.O.·2025-02-09 08:05

【CUDA】 GPU与CPU体系结构对比

1.GPU与CPU运算性能对比在面对并行任务处理时,CPU与GPU的体系结构在设计理念上有着根本的区别。
WHAT816·2025-02-09 05:16

AI硬件加速：CPU vs GPU性能对比

AI硬件加速：CPUvsGPU性能对比关键词：人工智能、硬件加速、CPU、GPU、性能对比、硬件架构、并行计算、优化策略、项目实战摘要：本文将深入探讨AI硬件加速领域中的两个核心组件：CPU和GPU，通过性能对比分析
AI天才研究院·2025-02-09 05:06

详解GPU、CPU差异

简介：CPU和GPU之所以大不相同，是由于其设计目标的不同，它们分别针对了两种不同的应用场景。CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。
玩转测试开发·2025-02-09 04:35

RuntimeError: FlashAttention only supports Ampere GPUs or newer.

报错：RuntimeError:FlashAttentiononlysupportsAmpereGPUsornewer.报错原因分析：GPU机器配置低，不支持特斯拉-V100；是否有解决方案,是；方案1
福将～白鹿·2025-02-08 22:27

View的渲染机制

答案就是cpu(「这里为了方便，把cpu、gpu、sf等统一称为cpu」)，这些数据由cpu提供，cpu经过各种运算，将数据写入一块内存中，这块内存叫做「帧缓冲」，我们可以将帧缓冲理解为一
Forget_Sky·2025-02-08 20:09

小米AI大模型：万卡集群背后的雄心与布局

近日，关于小米搭建GPU万卡集群，大力投资AI大模型的新闻引发广泛关注，这标志着小米在AI赛道上迈出了关键一步。
·2025-02-08 19:32

GROMACS-2023.2 安装（GPU加速）

Openmpi4.1.1路径加入到bashrc5，cuda12.1路径加入到bashrc（bin、lib、include都要）（注意bashrc路径要加入在最后一行，否则不生效，天知道什么bug）一，GPU
咸鱼啦啦·2025-02-08 18:56

Chrome中的GPU加速合成

原文链接：https://www.chromium.org/developers/design-documents/gpu-accelerated-compositing-in-chrome简介：为什么要进行硬件合成
~怎么回事啊~·2025-02-08 10:58

第19章《VTK并行渲染》

VTK提供了一些工具和方法来利用多核处理器、分布式计算环境以及GPU加速来进行并行渲染。1.并行渲染的目标加速数据处理：通过将计算任务分配给多个处理器或计算节点，减少数据处理时间。
《雨声》·2025-02-08 07:32

FFmpeg使用GPU编解码，及在C++代码中实现FFmpeg使用GPU编解码

一.使用GPU进行编解码的常见方法FFmpeg是一个强大的多媒体处理工具，支持使用GPU进行编解码以加速视频处理。
沐风_ZTL·2025-02-08 05:47

运用Faster RCNN、YOLO经典目标检测算法对滑坡图像进行检测

本次实验采用的操作系统为Ubuntu16.04平台，编程环境基于Python，GPU为NVIDIAGeForce740m，在基于深度学习框架CAFFE下进行实验。实验输出结果
AngeliaZ·2025-02-08 04:10

vLLM显存优化

在使用vLLM框架进行大模型推理时，为了最大程度地减少GPU显存的占用，可以从以下几个方面调整参数和配置：1.调整max_batch_size参数max_batch_size：这是批处理的最大大小。
xnuscd·2025-02-08 04:07

2025年大年初一篇，C#调用GPU并行计算推荐

C#调用GPU库的主要目的是利用GPU的并行计算能力，加速计算密集型任务，提高程序性能，支持大规模数据处理，优化资源利用，满足特定应用场景的需求，并提升用户体验。
zzlyx99·2025-02-08 02:30

RK3568 OpenHarmony4.0适配HDMI液晶屏

适配效果先看下最终适配效果视频：OpenHarmony_V40_HDMI液晶屏开发环境本文基于如下开发环境进行开发调试：硬件：RK3568开发板处理器：RK3568CPU：四核64位Cortex-A55，主频最高达2.0GHzGPU
敲嵌入式代码的·2025-02-07 23:10

RK3588的Ubuntu 22.04.2使用方法

Ubuntu22.04桌面系统简介Ubuntu22.04桌面系统的特点：桌面环境采用GNOME42;默认使用Wayland会话,性能更好;提供基于MaliGPU的OpenGLES支持;支持RockhipMPP
alaolv·2025-02-07 16:56

浅析GPU通信技术（中）-NVLink

目录浅析GPU通信技术（上）-GPUDirectP2P浅析GPU通信技术（中）-NVLink浅析GPU通信技术（下）-GPUDirectRDMA1.背景上一篇文章《浅析GPU通信技术（上）-GPUDirectP2P
helloxielan·2025-02-07 12:56

deepseek本地部署会遇到哪些坑

在本地部署DeepSeek（或其他类似AI模型）时，可能会遇到以下常见问题及解决方案：1.硬件资源不足问题表现：GPU不兼容（如型号过旧）、显存不足（OOM错误）或CPU模式性能极低。
skyksksksksks·2025-02-07 11:49

本地部署 DeepSeek 多模态大模型！支持图像识别和图像生成

虽说现在的电脑基本都能跑，但是最好还是十几代的CPU或者GPU。
这儿有一堆花·2025-02-07 08:31

【AI基础】K8S环境使用GPU--Kubernetes环境（三）

AI时代下，学习如何使用和管理GPU是基础入门技能，本文以常见的NVIDIAGPU为例，介绍在普通机器、Docker和Kubernetes等不同的环境下如何使用和管理GPU。
赛博Talk·2025-02-07 07:26

K8S中使用英伟达GPU —— 筑梦之路

前提条件根据不同的操作系统，安装好显卡驱动，并能正常识别出来显卡，比如如下截图：GPU容器创建流程containerd-->containerd-shim-->nvidia-container-runtime
筑梦之路·2025-02-07 07:25

anaconda中安装tensorflow1.15以及Jupyter

cudnn7.4PackagesNotFoundError:Thefollowingpackagesarenotavailablefromcurrentchannelscondainstalltensorflow-gpu
hou_hbl·2025-02-07 04:35

漂亮，功能就差？错！优秀可视化大屏一定是颜值体验功能三位一体

这种二分法源于早期技术限制：当GPU渲染能力不足时，复杂动效会导致帧率下降；当数据吞吐量超过单机处理能力时，交互响应必然延迟。但随着分布式渲染架构与边缘计算的发展，技术边界已被突破。
贝格前端工场·2025-02-07 02:19

2024年GitHub上最火的Python项目

表格：项目名称简介GitHub星星数量主要应用领域PyTorch强大的深度学习框架，支持GPU加速。
Allen-Steven·2025-02-07 00:08

Ubuntu为julia安装深度学习框架MXNet（支持CUDA和OPenCV编译）

安装深度学习框架MXNet（支持CUDA和OPenCV编译）环境介绍与注意事项下载源文件安装依赖编译环境配置安装MXNet测试后记环境介绍与注意事项Ubuntu18.04julia1.5.3CUDA10.1（为了GPU
盼小辉丶·2025-02-06 21:15

MXNet深度学习框架：高效与灵活性的结合

MXNet支持多种编程语言，包括Python、Java、Scala、R、C++等，能够运行在CPU、GPU和云平台上，满足不同场景下的需求。1.MXNet的核心特性MXNet的主要
原机小子·2025-02-06 20:44
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他