cuda(GPU 第10页

Linux 平台上安装 NVIDIA GPU 驱动和 CUDA Toolkit

在Linux平台上安装NVIDIAGPU驱动和CUDAToolkit的步骤如下：###1.安装NVIDIAGPU驱动####步骤1:更新系统首先，确保你的系统是最新的：```bashsudoaptupdatesudoaptupgrade

weifengma-wish·2025-02-05 11:43

DeepSeek安装部署指南

CUDA和GPU驱动（如果需要GPU加速）。pip和virtualenv（推荐使用虚拟环境）。2.安装DeepSeek克隆DeepSeek仓库（假设DeepSeek已发布为开源项目）：gi

SAFE20242034·2025-02-05 11:11

在LINUX上安装英伟达CUDA Toolkit

下载安装包wgethttps://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda-repo-rhel8-12

云道轩·2025-02-05 11:41

无需昂贵GPU：本地部署开源AI项目LocalAI在消费级硬件上运行大模型

无需昂贵GPU：本地部署开源AI项目LocalAI在消费级硬件上运行大模型随着人工智能技术的快速发展，越来越多的AI模型被广泛应用于各个领域。

芯作者·2025-02-05 10:36

星辰——人工智能中台

人工智能中台四个部分介绍算力层面：可以实现对众多CPU、GPU、FPGA和ARM等国内外计算资源进行有机整合。容器层面：支持和数据中台进行无缝对接，

jingmuxu123·2025-02-05 08:49

GPU架构（1.3）--GPU SoC 中的内存控制器

目录详细介绍GPUSoC中的内存控制器1.内存控制器概述功能2.支持的内存类型DDR4和LPDDR4DDR5和LPDDR53.内存控制器的设计多通道支持内存管理技术功耗管理4.性能优化带宽优化延迟优化功耗优化

小蘑菇二号·2025-02-05 07:17

GPU之nvidia-smi命令行

显示GPU当前的状态：nvidia-smi表格参数详解：GPU：本机中的GPU编号（有多块显卡的时候，从0开始编号）图上GPU的编号是：0Fan：风扇转速（0%-100%），N/A表示没有风扇Name：

瑶瑶领先_·2025-02-05 06:10

PyTorch + CUDA环境配置

从目前的情况来看，CUDA版本和PyTorch和Py自身版本是绑定的，而cuDNN和CUDA的大版本绑定，而其中主要受限的其实是PyTorch支持的CUDA版本，因此，这里采用CUDA来适配PyTorch

weixin_54533760·2025-02-05 04:28

GPU 进阶笔记（二）：华为昇腾 910B GPU

1术语1.1与NVIDIA术语对应关系1.2缩写2产品与机器2.1GPU产品2.2训练机器底座CPU功耗操作系统2.3性能3实探：鲲鹏底座8*910BGPU主机3.1CPU3.2网卡和网络3.3GPU信息

hao_wujing·2025-02-05 04:22

Llama最新开源大模型Llama3.1

该模型使用了超过15万亿（15T）个token的训练语料，并在16000块英伟达H100GPU上进行了训练。此外，Llama3.1还推出了8B和70

kcarly·2025-02-04 21:32

PyTorch中的In-place操作是什么？为什么要避免使用这种操作？

如今的高级深度神经网络拥有数百万个可训练参数，训练它们通常会导致GPU内存耗尽。

小白学视觉·2025-02-04 19:49

kaggle花分类比赛91.168%

之前一直都没注意显存，也没注意数据格式，直到跑模型的时候电脑直接崩了，因为排队用TPU，感觉人多，就直接在自己电脑上跑，我自己是有一张8G的4070,没想到啊，光是读取数据，就占用了6G历次成绩这个是用分布式gpu

仙尊方媛·2025-02-04 16:28

站在Developer角度看DeepSeek：技术架构解析与开发实战指南

一、DeepSeek技术全景图：从实验室到生产环境1.1模型架构演进：重新定义Transformer可能性DeepSeek的分层动态稀疏Transformer架构在以下层面实现突破：硬件感知设计：根据GPU

嵌入式Jerry·2025-02-04 15:20

全场景深度学习开源框架（MindSpore）

旨在实现不同计算平台（如云端、边缘端、端侧）和不同硬件（如CPU、GPU、Ascend等）之间的高效协同。

deepdata_cn·2025-02-04 11:41

在CentOS服务器上部署DeepSeek R1

硬件配置：GPU版本：NVIDIA驱动520+，CUDA11.8+。CPU版本：至少16核处理器，64GB内存。存储空间：原始模型需要30GB，量化后约8-20GB。

蓝染k9z·2025-02-04 09:30

Mac M1 Comfyui 使用MMAudio遇到的问题解决？

问题1:AssertionError:TorchnotcompiledwithCUDAenabled？

福葫芦·2025-02-04 08:55

深度学习框架PyTorch原理与实践

作者：禅与计算机程序设计艺术文章目录1.简介2.背景介绍3.基本概念和术语3.1PyTorch简介3.2PyTorch的特点1）自动求导机制2）GPU加速3）模型部署4）数据管道5）代码阅读友好4.核心算法原理

AI天才研究院·2025-02-04 07:47

Databricks 开源 LLM，训练只需三个小时

像ChatGPT和Bard这样的生成式AI，它们使用的数据通常来自于在成千上万不同网站，使用的数据量十分惊人，而且想要使用这些数据训练AI还需要数以千计的强大GPU在背后提供支持。

唐城·2025-02-04 07:15

PyTorch 训练一个分类器

文章目录0前言1加载和规范化CIFAR102定义一个卷积网络3定义损失函数和优化器4训练网络5测试网络6在GPU上训练模型参考资料0前言 TRAINGINGACLASSIFIER这篇教程很清楚的描述了如何使用

亚里·2025-02-04 05:59

【Rust日报】2021-12-21 Embark Studio 使用 Rust 进行本地渲染

EmbarkStudio使用Rust进行本地渲染作为Rust的忠实拥护者，EmbarkStudio的工程师们正在使用Rust开发渲染引擎和游戏，并且贡献了rust-gpu这个项目。

Rust语言中文社区·2025-02-03 23:36

Ubuntu16.04环境下安装cuda10+pytorch1.2

1、背景环境：Ubuntu16.04&titanx作为新一代的人工智能训练平台的PYTORCH，有其独特的优势，为此，完整的安装这一平台，是开展所有工作的首要条件，一开始，笔者认为应该轻松的完成，但是发现实际上要从零完成这一工作，尤其是在NVIDIATITANX下，是需要3～4天的摸索的，为了便于后续的工作，也为了后面使用的童鞋，写下这篇文章，闲话少说，先上最终完成shell输出。xxx@xxxU

小楼昨夜，东风·2025-02-03 19:11

LWN：让GPU的工作也依赖进程优先级！

LinuxNews搬运工·2025-02-03 15:31

线性回归基础学习

线性回归基础学习目录：理论知识样例代码测试参考文献一、理论知识线性回归思维导图NDArray：MXNet中存储和变换数据的主要工具，提供GPU计算和自动求梯度等功能线性回归可以用神经网络图表示，也可以用矢量计算表示在

Remoa·2025-02-03 14:53

GPU硬件架构分析

GPU和CPU的差异CPU与GPU的设计对比核心数量与计算单元：CPU：通常核心数量较少（如4到16个核心），每个核心都有独立的控制单元。

你一身傲骨怎能输·2025-02-03 13:49

【安装记录】lift:learned invariant feature points

我自己的电脑的cuda是9.0.该代码安装要求太多了，加上我习惯了docker。

你好joy·2025-02-03 03:56

nvidia-smi命令视图含义

--------------------------------------------------------+|NVIDIA-SMI555.42.06DriverVersion:555.42.06CUDAVersion

董林夕·2025-02-02 19:56

最全NVIDIA Jetson开发板参数配置和购买指南

NVIDIA开发的GPU不仅在电脑显卡领域占据大量份额，在嵌入式NVIDIA的Jeston系列开发板也近乎是领先的存在，特别是NVIDIAJeston系列开发板在算力和成本的平衡上都要优于其他厂家，性价比很高

IRevers·2025-02-02 19:55

legged gym（包含isaac gym）丝滑安装教程

LeggedGym（包含IsaacGym）安装教程——Ubuntu22.04安装IsaacGym安装leggedgym2.1.安装pytorch和cuda:2.2.安装rsl_r2.3.安装legged_gym

littlewells·2025-02-02 18:49

全平台制霸！零门槛在本地解锁DeepSeek R1：Ollama+OpenWebUI终极部署手册

纯干货教程，无需GPU也能玩转大模型！

程序员辣条·2025-02-02 18:17

【pytorch(cuda)】基于DQN算法的无人机三维城市空间航线规划（Python代码实现）

欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、DQN算法概述三、基于DQN的无人机三维航线规划方法1.环境建模2.状态与动作定义3.奖励函数设计4.深度神经网络训练5.航线规划四、研究挑战与展望2运行结果3参考文献4Python代码实现⛳️赠与读者‍做科研，涉及到一个深在的

科研_G.E.M.·2025-02-02 16:36

GPU驱动及CUDA安装流程介绍

GPU驱动及CUDA安装流程介绍1.安装前准备工作1.1.确认GPU型号和操作系统版本1.2.准备gpu驱动和CUDA软件包1.3.检查服务器GPU识别情况1.4.老版本软件包卸载1.5.安装依赖包CentOS

醉心编码·2025-02-02 16:35

【llm对话系统】大模型 Llama 源码分析之并行训练方案

为了高效地训练这些模型，我们需要采用各种并行策略，将计算和数据分布到多个GPU或设备上。Llama作为当前最流行的开源大模型之一，其训练代码中采用了多种并行技术。

kakaZhui·2025-02-02 13:14

电脑要使用cuda需要进行什么配置

在电脑上使用CUDA（NVIDIA的并行计算平台和API），需要进行以下配置和准备：1.检查NVIDIA显卡支持确保你的电脑拥有支持CUDA的NVIDIA显卡。

Channing Lewis·2025-02-02 06:19

如何安装 CUDA Toolkits

安装CUDAToolkit的步骤如下，具体步骤根据你的操作系统（Windows/Linux/Mac）有所不同。

Channing Lewis·2025-02-02 06:19

GPU架构（1.2）--GPU SoC 中的 CPU 架构

目录详细介绍GPUSoC中的CPU架构1.CPU核心概述ARMCortex-A72ARMCortex-A762.多线程处理多核架构多线程支持3.任务调度任务调度器动态调度4.内存管理内存层次结构内存管理技术

小蘑菇二号·2025-02-02 02:58

DeepSeek R1本地化部署与联网功能实战指南：从零搭建智能对话系统

Coderabo·2025-02-01 18:32

本地部署 DeepSeek 模型并使用 WebUI 调用

环境准备在开始之前，请确保你的系统满足以下要求：Python3.11或更高版本pip包管理工具DeepSeek模型的本地部署文件GPU支持（可选，用于加速模型推理）步骤1：本地部署Deep

我喜欢就喜欢·2025-02-01 17:22

本地部署DeepSeek大模型完整指南

本文将手把手教你如何在本地计算机部署DeepSeek模型并实现对话交互，支持CPU/GPU双模式运行。

ddv_08·2025-02-01 17:17

GNU编译优化级别-O -O1 -O2 -O3

最近做一个算法的GPU加速，发现实际上使用gcc的-O3(最高级编译优化)选项，可以获得很高的加速比，我的程序里达到了3倍的样子，有时效果甚至比GPU加速好。因此小小学习了下GNU的编译优化。

hemmingway·2025-02-01 06:53

【Unity 渲染插件】GPU Instancer 基于 GPU 实例化技术，旨在解决 Unity 中大量重复对象的渲染瓶颈问题，显著提升游戏性能

GPUInstancer是一款专注于高性能渲染的Unity插件，基于GPU实例化技术，旨在解决Unity中大量重复对象的渲染瓶颈问题，显著提升游戏性能。

Unity游戏资源学习屋·2025-02-01 05:14

RuntimeError: CUDA is required but not available for bitsandbytes.

今天想配置大模型的环境，需要用到bitsandbytes这个包，但是遇到报错：RuntimeError:CUDAisrequiredbutnotavailableforbitsandbytes.Pleaseconsiderinstallingthemulti-platformenabledversionofbitsandbytes

九思Atopos·2025-02-01 01:42

【TVM教程】为 Mobile GPU 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。

HyperAI超神经·2025-01-31 22:43

使用Ollama部署deepseek大模型

使用Ollama部署deepseek大模型前置条件使用英伟达显卡下载cuda驱动https://developer.nvidia.com/cuda-downloadsOllamaOllama官方版:https

·2025-01-31 21:04

Paddle和pytorch不可以同时引用

importpaddleprint(paddle.utils.run_check())importtorchprint(torch.version.cuda)print(torch.backends.cudnn.version

饮马长城窟·2025-01-31 21:03

YOLO系列之训练环境（GPU）搭建篇

YOLOv8专栏导航：点击此处跳转Pytorch环境配置（Windows）Anaconda安装此处下载安装即可⭐温馨提示：安装路径

w94ghz·2025-01-31 17:01

DeepSeek极端榨取硬件性能被曝光

DeepSeek的出现是否意味着前沿LLM开发不再需要大规模GPU集群？简单来说：不是的。

极道Jdon·2025-01-31 08:13

【deepseek】本地部署DeepSeek R1模型：使用Ollama打造个人AI助手

二、环境准备硬件要求GPU显存要求：7B模型：8-12GB显存14B模型：12GB以上显存32B模型：建议16GB以上显存建议使用NVIDIA显卡SSD硬盘空间：建议预留50GB以上软件要求安

大表哥汽车人·2025-01-31 06:23

VS2019+QT4.15+openCV4.5.1+CUDA加速

文章目录前言一、软件安转以及注意事项二、CMake编译总结前言`最近公司有一个关于使用海康威视网络摄像头的目标检测的项目，发现使用openCV显示时，出现很大的延时，因此，只能使用cuda进行加速才能使显示达到实时

小小秀峰哥·2025-01-30 21:47

CUDA编程（一）：GPU计算与CUDA编程简介

CUDA编程（一）：GPU计算与CUDA编程简介GPU计算GPU硬件资源GPU软件资源GPU存储资源CUDA编程GPU计算NVIDIA公司发布的CUDA是建立在GPU上的一个通用并行计算平台和编程模型，

AI Player·2025-01-30 21:17

GPU编程与CUDA

CUDA编程并行计算整体流程从主机端申请内存，把内存部分的内容拷贝到设备端在设备端的核函数计算从设备端拷贝到主机端，并且释放内存显存主机端：cpu设备端：gpu核函数：在gpu上运行的函数CUDA内存模型

Nice_cool.·2025-01-30 21:17

推荐频道

cuda(GPU