gpu利用率

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

异构计算架构助力智能座舱实现高效低耗体验

异构计算架构凭借在硬件、软件与系统层面的深度优化，能显著提升智能座舱的算力利用率，降低功耗与延迟，为用户打造高效、低能耗的智能座舱体验。
西红柿和马铃薯·2025-02-23 20:46

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

LinuxC完成cpu负载计算

查看CPU负载的作用：CPU利用率：显示的是程序在运行期间实时占用的CPU百分比。CPU负载：显示的是一段时间内正在使用和等待使用的CPU的平均任务数量。CPU利用率高不代表负载一定大。
Net_白前辈·2025-02-23 08:16

DHCP服务器分配动态IP模拟

优点：减少管理员工作量、避免输入错误和IP冲突、更改IP网段不需要重新配置每个用户、提高IP利用率、方便客户配置分配方式：自动分配（分得即永久）、手动分配（管理员指定）、动态分配（用完即归还）租约过程：
meng010001·2025-02-23 06:04

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

linux java性能监控工具_Linux监控和Java性能监控命令

常见性能分析命令1.1查看CPU使用pidstatvmstatmpstatsartop统计机器总CPU使用情况#1.查看本机CPU个数和利用率lscpuCPU(s):2//总cpu数量On-lineCPU
软工苏·2025-02-23 01:57

操作系统中的任务调度算法

任务调度的目标是实现公平性、最小化等待时间、提高系统吞吐量，并最大化CPU的利用率。不同的任务调度算法适用于不同的应用场景，操作系统根据系统负载和任务的特性选择最合适的调度策略。
沉默的煎蛋·2025-02-23 01:55

Spring MVC的控制器是不是单例模式,如果是,有什么问题,怎么决？思维导图 代码示例（java 架构）

资源利用率：
用心去追梦·2025-02-22 23:40

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

Android 开发必备知识点整理

扩容的时候只需要数组拷贝，不需要重建哈希表2.内存利用率高3.不适合存大量数据，因为会对key进行二分法查找（1000以下）SparseArray1.基于两个数组实现，int做key2.内存利用率高3.
阿里大厂_RMI·2025-02-22 18:56

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

websocket入门一条龙，基础、封装与使用（代码开箱即用）

Websocket是一种用于在服务器和客户端之间实现高效的双向通信的机制，通过WebSocket，其目的是在应用和服务器进行频繁双向通信时，可以使服务器避免打开多个HTTP连接进行工作来节约资源，提高了工作效率和资源利用率
你下节啥课·2025-02-22 15:58

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

pnpm vs npm

其中，pnpm以其高效的磁盘利用率和更快的安装速度受到越来越多的开发者青睐。本文将对比pnpm和npm，并介绍pnpm的常见配置及操作。
CCSBRIDGE·2025-02-21 22:06

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

阿里云 ACS：高效、弹性、低成本的容器计算解决方案

用户无需关注底层服务器资源，而是直接管理容器工作负载，从而提升运维效率和资源利用率。1.主要应用场景ACS适用于多种业务类型，尤其是在弹性计算和微服务架构领域，具有独特优势。(1)在线业务和We
Anna_Tong·2025-02-21 14:58

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

【k8s应用管理】kubernetes HPA+rancher

管理Kubernetes集群指南实验环境安装及配置RancherKubernetesHPA部署指南概述KubernetesHPA（HorizontalPodAutoscaling）可以根据Pod的CPU利用率自动调整
Karoku066·2025-02-20 12:22

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

深入了解多线程编程：从并发到并行的转变

多线程不仅能够让程序在执行多个任务时显得更加流畅，还能提升CPU的利用率，尤其是在处理计算密集型或IO密集型任务时。然而，多线程编程看似简单，但其中涉及的概念、技术和陷阱却层出不穷。
大梦百万秋·2025-02-19 23:33

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
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他