Gpu 第7页

从零构建神经网络：PyTorch的nn.Module详解

nn.Module是PyTorch中所有神经网络模型的基类，它提供了以下核心功能：‌模块化设计‌：将网络拆分为可重用的层（如卷积层、全连接层）‌自动参数管理‌：自动跟踪所有可训练参数（parameters()方法）‌GPU

小诸葛IT课堂·2025-05-23 03:39

RISC-V 开发板经验

RISC-V的发展，但是很无奈，之前上市的RISC-V开发板，要么天价，要么是超低配，性能拉跨，然后2022年偶然看到了国产visionfive2板子的预售，jh7110，4核risc-v1.5ghz，而且配了GPU

遥遥领先0316·2025-05-23 00:20

PaddleOCR部署本机识别票据

####说明由于YOLO和PaddleOCR无法同时使用GPU加速,使用RT-D

嚛熙·2025-05-22 15:30

项目中Warmup耗时高该如何操作处理

1）项目中Warmup耗时高该如何操作处理2）如何在卸载资源后Untracked和Other的内存都回收3）总Triangles的值是否包含了通过GPUInstancing画的三角形4）有没有用Lua来修复虚幻引擎中对

UWA·2025-05-22 12:42

opencv_version_win32

执行opencv_version_win32.exe因为显卡较老2060super,NVIDIAGPUarch:758086878990。至于更高的反本没有显卡因此不知道。

kmblack1·2025-05-22 07:34

如何设置FFmpeg进行高分辨率视频转码？

要使用FFmpeg进行高分辨率视频转码，可以参考以下步骤：1.检查FFmpeg是否支持GPU加速首先，确保你的FFmpeg安装支持GPU加速。

视频砖家·2025-05-22 06:24

【AI论文】PRIMA.CPP：在低资源日常家用集群上加速700亿参数级大型语言模型推理

虽然消费类硬件越来越强大，模型量化也在不断改进，但现有的端侧解决方案仍然需要GPU集群、大RAM/VRAM和高带宽，远远超出了普通家庭集群的处理能力。

东临碣石82·2025-05-22 04:15

window 显示驱动开发-准备 DMA 缓冲区

当GPU处理DMA缓冲区时，通常调用显示微型端口驱动程序来准备下一个DMA缓冲区，以便提交到GPU。

程序员王马·2025-05-21 23:07

一看就会系列之配置Anaconda虚拟环境、配置GPU、CUDA、CUDNN、服务器运行深度学习代码！

深度学习GPU环境配置完整指南1.使用Anaconda创建虚拟环境并安装PyTorch/TensorFlow(Windows/Linux)Windows下：创建虚拟环境：打开AnacondaPrompt

Big__Star·2025-05-21 20:15

gem5-gpu教程第十一章梳理代码找到

cdgem5python3`whichscons`build/X86_VI_hammer_GPU/gem5.opt--default=X86EXTRAS=../gem5-`gpu/src:..

事橙1999·2025-05-21 13:28

gem5-gpu教程如何运行VSCode

launch.json{"version":"0.2.0","configurations":[{"name":"Debuggem5","type":"cppdbg"

事橙1999·2025-05-21 13:28

paddle ocr本地化部署进行文字识别

2.核心特点全场景覆盖：支持云端、边缘端、移动端等多硬件环境，适配CPU、GPU、FPGA等多种芯片。易用性与高效性：提供简洁的AP

隐形喷火龙·2025-05-21 11:45

【NLP】37. NLP中的众包

众包的智慧：当“无数人”帮你训练AI当我们谈论构建大语言模型时，脑海中浮现的往往是服务器、GPU和Transformer，而很少想到成千上万的普通人也在默默贡献力量。

pen-ai·2025-05-21 03:27

昇腾torch.multiprocessing.spawn分布式训练使用pytorch迁移

假设你的程序程序基于torch.multiprocessing.spawn来启动：deflaunch_job(cfg,init_method,func,daemon=False):ifcfg.NUM_GPUS

duoyasong5907·2025-05-21 02:54

基于JAX的自动微分系统优化：从XLA编译到GPU代码生成（对比JAX与PyTorch的算子融合策略差异）

点击“AladdinEdu，同学们用得起的【H卡】算力平台”，H卡级别算力，按量计费，灵活弹性，顶级配置，学生专属优惠。一、自动微分系统的核心挑战与优化方向在深度学习框架的设计中，自动微分（AutomaticDifferentiation,AD）与计算图优化是决定训练效率的核心环节。JAX与PyTorch作为当前两大主流框架，分别采用不同的技术路径实现AD系统优化。JAX基于XLA编译器与函数式编

九章云极AladdinEdu·2025-05-21 00:10

多节点多 GPU：大规模使用 NVIDIA cuFFTMp FFT

借助cuFFTMp，NVIDIA现在不仅支持单个系统中的多个GPU，还支持跨多个节点的多个

技术瘾君子1573·2025-05-20 23:05

【AI】YOLOv7部署在NVIDIA Jetson TX2上

算法，好神奇啊，比如MCUNet1.2CPUCentralProcessingUnit，中央处理器一般的框架都有CPU版本，当然速度会慢一些，在x86电脑上勉强能用，在嵌入式ARM板上几乎无法使用1.3GPUGraphicsProcessingUnit

郭老二·2025-05-20 21:21

TensorRT-LLM——优化大型语言模型推理以实现最大性能的综合指南

TensorRT-LLM提供了一系列令人印象深刻的性能改进，例如量化、内核融合、动态批处理和多GPU支持。这些改进使推理速度比传统的基于CPU的方法快8倍，从而改变了

知来者逆·2025-05-20 16:21

从零开始学习three.js（18）：一文详解three.js中的着色器Shader

通过编写自定义的着色器代码，开发者可以直接操作GPU，实现从基础颜色渲染到动态光照、粒子效果等高级图形技术。

前端小崔·2025-05-20 14:37

OpenCV CUDA模块中的矩阵算术运算------创建卷积操作对象的工厂方法 cv::cuda::createConvolution

它返回一个指向cv::cuda::Convolution接口的智能指针（cv::Ptr），该接口可以执行高效的GPU卷积操作。函数原型cv::Ptrcv::cuda:

村北头的码农·2025-05-20 13:33

LLaMA-Factory微调大模型Qwen2.5

1、开始ModelScope社区GPU环境训练或微调模型都是非常耗费算力的。如果电脑的配置不高，可使用一些云服务器来做这项工作。

will.hu·2025-05-20 12:57

bisheng大模型项目之前期部署工作

最低配置8vCPU，32GB内存注意GPU要选择A10，v100，T4的都行。这里的Driver版本要高于515.

O执O·2025-05-20 06:19

kitty终端使用笔记

简介kitty是一个免费的开源图形处理单元(GPU)加速[2][3]终端仿真器，适用于Linux和macOS，专注于性能和功能。

ITKEY_·2025-05-20 00:36

【已解决】win11笔记本电脑突然无法检测到其他显示器 / 无法使用扩展屏(2024.8.29 / 驱动更新问题)

我们点击win+x，找到设备管理器，查看显示适配器：主要问题就出现在NVIDIAGeForceRTX3060LaptopGPU上（虽然我把所有驱动都重新更新了一遍）。

秀秀_heo·2025-05-19 19:59

win10使用清华源快速安装指定版本的pytorch-GPU

检查自己的cuda是否安装好在anacondaprompt中输入nvcc-V显示如上面表示安装好了。配置清华园下载环境同样在在anacondaprompt中输入condaconfig--addchannelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/condaconfig--addchannelshttps://mirror

来自星星的菜鸟·2025-05-19 19:57

本地安装gpu版本torch（超简单）

1）创建并激活环境condacreate-nDOT1python==3.9condaactivateDOT12）方法1：命令行安装torch①查看cuda版本【12.6】nvidia-smi#查看电脑支持的cuda版本nvcc-V#查看安装的cuda版本②去pytorch官网找命令pytorch官网PyTorch③直接输入图中命令：pip3installtorchtorchvisiontorcha

✧٩(ˊωˋ*)و✧709·2025-05-19 19:56

docker 方式运行ollama 大模型deepseek

在Linux上对于NvidiaGPU，Ollama可以在Docker容器内通过GPU加速运行。要开始使用Docker镜像，请使用以下命令。

neter.asia·2025-05-19 19:55

Torch GPU版本的安装

*不需要单独安装巨大的CUDA安装包，先确保你的显卡是支持GPU运算的，再安装好anaconda确保没有安装：pytorchtorchvisiontorchaudio这三个模块然后在anaconda中的命令行输入

COOKER·2025-05-19 18:53

如何设置FFmpeg实现对高分辨率视频进行转码

使用FFmpeg进行高分辨率视频转码的步骤如下：首先，确保FFmpeg支持GPU加速，通过命令ffmpeg-hwaccels检查CUDA支持。

视频砖家·2025-05-19 16:39

【图像生成大模型】HunyuanVideo：大规模视频生成模型的系统性框架

项目概述核心技术1.统一的图像和视频生成架构2.多模态大语言模型（MLLM）文本编码器3.3DVAE4.提示重写（PromptRewrite）项目运行方式与执行步骤1.环境准备2.安装依赖3.下载预训练模型4.单GPU

白熊188·2025-05-19 13:17

极致压缩！PyTorch 2.2模型量化全解析：从原理到移动端部署实战（含性能对比与优化技巧）

一、引言：AI模型小型化革命1.1移动端AI的现实挑战在智能终端设备上部署深度学习模型面临三大核心痛点：内存限制：某主流手机内存仅8GB，大型模型加载占用超30%算力瓶颈：移动端GPU算力仅为桌面级1/

游戏人生的NPC·2025-05-19 13:16

【图像生成大模型】Wan2.1：下一代开源大规模视频生成模型

1.3D变分自编码器（Wan-VAE）2.视频扩散Transformer（VideoDiffusionDiT）3.数据处理与清洗项目运行方式与执行步骤1.环境准备2.安装依赖3.模型下载4.文本到视频生成单GPU

白熊188·2025-05-19 12:41

高性能 CSS3 动画

尽可能的让动画元素不在文档流中，以减少重排position:fixed;position:absolute;尽可能多的利用硬件能力，如使用3D变形来开启GPU加速-webkit-transform:translate3d

sunsineq·2025-05-19 11:40

【TVM 教程】创建使用 microTVM 的 MLPerfTiny 提交

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。

·2025-05-19 11:39

---初始Linux---

一、认识计算机计算机=硬件+软件硬件：就是计算机系统中由电子、机械和光电元件等组成的各种物理装置的总称（CPU\GPU\...）软件：是用户和计算机硬件之间及进行交流的工具然而一个简单的计算机或者说基本的计算机就是有两大部分组成的

免檒·2025-05-19 06:00

p40上编译vllm0.8.6

目录前言编译内容前言编译内容(/data1/ai-llm/env/my-vllm-gpu)[root@localhostvllm-gpu]#TORCH_CUDA_ARCH_LIST="6.1;7.0;8.0

tianjun2012·2025-05-19 02:37

【深度学习解惑】分析 Inception 特有的并行分支对显存占用、GPU 利用率的正负影响？

Inception架构中并行分支对显存与GPU利用率的影响分析——从计算效率到硬件优化的多维度探讨文章目录背景与核心问题Inception模块的并行分支设计显存占用与GPU利用率的关键挑战显存占用的正向与负向影响并行分支的显存需求模型激活值膨胀

云博士的AI课堂·2025-05-18 23:15

【实战指南】Rocky Linux 本地部署 Qwen2.5-VL-Instruct（含 GPU 加速 + 多模态推理脚本）

【实战指南】RockyLinux本地部署Qwen2.5-VL-Instruct（含GPU加速+多模态推理脚本）适用系统：RockyLinux/CentOS/RHEL适用于本地GPU+Docker部署Qwen2.5

神志不清.·2025-05-18 21:34

前端领域 Sass 样式的过渡与动画性能优化

前端领域Sass样式的过渡与动画性能优化关键词：Sass、CSS动画、性能优化、过渡效果、GPU加速、关键帧动画、浏览器渲染摘要：本文深入探讨了在前端开发中使用Sass编写高性能CSS过渡和动画的技术方案

大厂前端小白菜·2025-05-18 20:55

PyTorch 张量基础操作：从入门到实践的深度解析

在深度学习技术快速发展的当下，PyTorch凭借其动态计算图、简洁的Python接口以及强大的GPU加速能力，成为开发者和研究者构建机器学习模型的首选框架之一。

wwangxubin·2025-05-18 15:23

深入解析MySQL索引优化：聚簇与非聚簇索引的实战技巧

KK_crazy·2025-05-18 04:32

[4]CUDA中的向量计算与并行通信模式

CUDA中的向量计算与并行通信模式本节开始，我们将利用GPU的并行能力，对其执行向量和数组操作讨论每个通信模式，将帮助你识别通信模式相关的应用程序，以及如何编写代码1.两个向量加法程序先写一个通过cpu

明月醉窗台·2025-05-18 02:51

【OpenCV】CUDA模块3:图像转换及采样

1:cv::cuda::threshold()阈值处理cv::cuda::threshold是OpenCV中CUDA模块的一个函数，用于在GPU上对图像进行阈值处理。

言雪松·2025-05-18 02:50

使用cuda实现图像的转置

没有使用GPU共享内存的时候，GPU处理速度是CPU的3倍左右，使用sharedmemory后，可以达到10倍以上的加速。

小伟123456789·2025-05-18 02:50

Python 深度学习环境配置

在本地配置适用于深度学习的Python环境时，特别是使用主流深度学习框架（如TensorFlow、PyTorch等），需要完成以下步骤：1.安装必要的软件和工具（1）系统依赖Windows:安装最新的显卡驱动（NVIDIAGPU

卖血买老婆·2025-05-18 02:19

是 OpenCV 的 CUDA 模块中用于在 GPU 上对图像或矩阵进行转置操作函数cv::cuda::transpose

ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述cv::cuda::transpose是OpenCV的CUDA模块中的一个函数，用于在GPU

村北头的码农·2025-05-18 02:17

冯氏光照模型(Phong Lighting Model) 简单实现

原文链接:冯氏光照模型(PhongLightingModel)简单实现上一篇:ts使用prototype实现单例模式并支持推断下一篇:GWebGPUEnginewebgpu库简单瞅瞅效果看着还行https

阿豪boy·2025-05-17 22:24

OpenCV的CUDA模块进行图像处理

每种技术都通过将图像数据上传到GPU，利用CUDA进行加速处理，最后将结果下载回CPU。

程序小K·2025-05-17 22:49

NVIDIA® GPU的TCC模式与WDDM模式

1、NVIDIATesla/Quadro系列高端GPU在Windows环境下可以配置两种模式：1）Tesla计算集群（TeslaComputeCluster，简称TCC）模式2）Windows显示驱动模型

有段时光·2025-05-17 19:31

全局负载均衡损失

设备级不均衡：多GPU/设备环境下，不同设备的计算负载差异过大。传统方法通过引入辅

百态老人·2025-05-17 17:48

推荐频道

Gpu