gpu加速

F5 携手NVIDIA BlueField-3 DPU加速服务提供商边缘AI发展

F5BIG-IPNext云原生网络功能部署于NVIDIABlueField-3DPU,可提升数据管理与安全性,加速边缘AI创新,引领AI-RAN未来发展世界移动通信大会,巴塞罗那,2025年3月6日-F5
资讯分享周·2025-06-25 07:40

OpenHarmony 中与 OpenCV / AI 引擎的接口集成机制：图像采集到智能识别的完整通路实践

OpenHarmony中与OpenCV/AI引擎的接口集成机制：图像采集到智能识别的完整通路实践关键词：OpenHarmony、OpenCV集成、AI推理引擎、图像流接口、CameraKit、NPU加速
·2025-06-25 06:35

云零售新中枢：定制化“开源AI智能名片+S2B2C商城小程序”驱动的沉浸式触点进化论

摘要：新零售的终极形态正加速向“全域云化”演进：前端零售终端（B）将不再局限于交易场所，而是进化为沉浸式体验中心、人机交互界面与高价值数据采集触点的三维复合体。
说私域·2025-06-25 05:25

YOLO + OpenVINO 在英特尔平台部署实战：性能调优与跨架构加速全流程指南

YOLO+OpenVINO在英特尔平台部署实战：性能调优与跨架构加速全流程指南关键词：YOLOv5、YOLOv8、OpenVINO、英特尔部署、IR模型、异构加速、CPU推理、VPU、GPU、多设备调度
·2025-06-25 04:49

XML在线格式化工具

支持自定义缩进、节点折叠，提升可读性，减小文件体积，加速数据传输。
weixin_43680407·2025-06-25 01:36

【深度学习加速探秘】Winograd 卷积算法：让计算效率 “飞” 起来

一、为什么需要Winograd卷积算法？从“卷积计算瓶颈”说起在深度学习领域，卷积神经网络（CNN）被广泛应用于图像识别、目标检测、语义分割等任务。然而，卷积操作作为CNN的核心计算单元，其计算量巨大，消耗大量的时间和计算资源。随着模型规模不断增大，传统卷积算法的计算效率成为限制深度学习发展的一大瓶颈。Winograd卷积算法的出现，犹如一把利刃，直击传统卷积计算的痛点。它通过巧妙的数学变换，大幅
heimeiyingwang·2025-06-25 01:04

《HarmonyOS 5 核心技术解析：分布式AI与跨设备协同实战》

本文将聚焦核心分布式能力与AI加速框架，通过真实开发案例和系统级优化技巧，帮助开发者掌握最新技术栈。所有代码均可在DevEcoStudio中直接运行，图片将结合实际运行效果展示。
爱学习的小齐哥哥·2025-06-25 00:55

数智管理学（二十四）

然而，随着市场环境的快速变化、消费者需求的日益多样化以及技术创新的加速迭代，这种静态模式逐渐暴露
虚谷23·2025-06-24 22:41

从大模型到具身智能进化，AI 应用的产业落地路在何方？

当大模型加速赋能千行百业的同时，具身智能技术正以其赋予智能体感知环境、自主决策的独特优势，成为推动产业升级与智能应用的新引擎。
·2025-06-24 21:59

大模型分布式训练deepspeed环境搭建

它通过多种技术手段来加速训练，包括模型并行化、梯度累积、动态精度缩放、本地模式混合精度等。
transformer变压器·2025-06-24 20:25

CUDA out of memory内存碎片解决方法

RuntimeError:CUDAoutofmemory.Triedtoallocate704.00MiB(GPU0;16.00GiBtotalcapacity;13.55GiBalreadyallocated
weixin_42319617·2025-06-24 17:28

PyTorch的Tensor与Variable的区别， detach的作用, with no_grad()

1.cuda()与cpu()用法:tensorA.cuda()#tensorA是一个tensor类型的变量作用：把tensorA从CPU移动到GPU，方便后续在GPU中计算用法：modelA.cuda(
半张紙·2025-06-24 17:26

requarks/wiki docker 部署

Docker一键部署借用docker.1ms.run做个镜像加速，数据持久化使用卷模式，
·2025-06-24 17:57

从7B到671B：DeepSeek R1大模型微调的GPU选型终极指南

这种指数级增长不仅考验硬件工程师的决策能力，更揭示了算力投资的核心法则：选错GPU的代价，远不止于训练失败——轻则增加30%推理延迟，重则造成百万级硬件成本的浪费。我们
卓普云·2025-06-24 17:54

职业本科人工智能通识课程教学解决方案

一、发展背景与定位随着人工智能技术加速渗透社会各领域，我国高等教育体系正积极探索人工智能通识教育的创新路径。
武汉唯众智创·2025-06-24 15:15

使用预训练权重在YOLO模型上训练新数据集的完整指南

加速收敛：预训练模型已学习通用特征，训练时间可缩短30%−70%30\%-70\%30%−70%小样本适配：在数据量有限时（n<100
马里马里奥-·2025-06-24 15:14

20倍推理加速秘诀！揭秘批处理（Batching）的底层优化逻辑 | 附工业级调优指南

例如：单样本推理：输入=[样本1]→输出=[结果1]批处理推理：输入=[样本1,样本2,...,样本N]→输出=[结果1,结果2,...,结果N]关键技术价值：通过并行计算最大化硬件利用率，尤其对GPU
Lilith的AI星球·2025-06-24 14:07

[创业之路-389]：企业战略管理-战略制定/设计-市场洞察“五看”：看宏观- 制造业加速向高端化、智能化转型

一、制造业加速向高端化、智能化转型制造业加速向高端化、智能化转型过程中，以下行业或商业领域将迎来具体发展机遇：汽车制造：新能源汽车、智能网联汽车领域发展迅速，通过数字化、智能化技术提升生产效率，满足用户个性化需求
文火冰糖的硅基工坊·2025-06-24 13:00

生产数据智能采集系统：赋能电力行业数字化转型的智慧引擎

随着智能电厂建设进程加速，发电企业每日产生的数据量呈指数级增长，传统数据采集系统在海量数据处理、安全防护、系统扩展等方面暴露出诸多瓶颈。
Qdgr_·2025-06-24 12:53

QML革命：下一代GUI开发的核心优势详解

一、极速开发：声明式语法vs.传统命令式二、解耦架构：MVVM的优雅实践三、跨平台一致性：一次编写，全平台渲染四、动态交互：JavaScript的灵活力量五、性能优化：硬件加速渲染六、现代UI组件：开箱即用的强大套件七
智驾·2025-06-24 12:53

yolov5 yolov8 yolov10 Ultralytics 奇奇怪怪的错误汇总:【版本兼容，模型训练，数据加载，模型加速】

文章大纲ultralyticsYOLO最新版本问题Numpyisnotavailable不同小版本的网络不兼容问题RuntimeError:Theexpandedsizeofthetensor(1)mustmatch...RuntimeError:torch.cat():Sizesoftensorsmustmatchexceptindimension1.Got24and23indimension2
shiter·2025-06-24 07:50

GPU 寿命的物理极限：实验室服务器运维的科学方法论

1.GPU衰减的物理机制解析1.1热力学衰减模型阿伦尼乌斯方程应用：k=A⋅e−Ea/(kBT)k：化学反应速率（电子迁移速度）Ea：激活能（约0.5-1.0eV）T：绝对温度（℃+273.15）寿命计算公式
Finehoo·2025-06-24 06:16

生成式人工智能（AIGC）赋能的农业职业培训解决方案

农业职业培训作为提升学生技能、加速农业现
武汉唯众智创·2025-06-24 06:14

鸿蒙加速度计用不了？这篇文章带你从零搞定！

摘要在开发鸿蒙（HarmonyOS）应用的过程中，有些功能比如“摇一摇”“运动监测”“方向识别”等，都会涉及到设备加速度计的使用。
·2025-06-24 02:00

使用docker安装mysql服务

使用docker官方镜像安装mysql服务1拉取mysql镜像，采用网易加速地址dockerpullhub.c.163.com/library/mysql:5.72重命名镜像名dockertaghub.c
dhqp3220·2025-06-24 01:49

C#.VB.NET多线程，多用户下独立锁和全局锁的区别

用户WebSocket信息类PublicClassUserWebSocketInfoPublicPropertySessionIDAsStringPublicPropertyWebSocketAsWebSocketPublicPropertyLastResponseTimeAsDateTimePublicPropertyPendingHeartbeatCou
专注VB编程开发20年·2025-06-24 01:17

【无人机/平衡车/机器人】详解STM32+MPU6050姿态解算—卡尔曼滤波+四元数法+互补滤波——附3个算法源码

在姿态解算中，我们可以使用卡尔曼滤波来融合陀螺仪和加速度计的数据，以获得更稳定的姿态估计。
·2025-06-23 23:06

借助Java，让Cloudflare API为你的网站管理加速

在当今数字化的浪潮中，网站与应用的稳定运行至关重要。CloudflareAPI就如同一位得力助手，能帮助我们轻松管理网站的各项关键功能。今天，就让我们一起深入学习基于Java的CloudflareAPI自动化操作指南，开启高效网站管理之旅！一、CloudflareAPI核心功能矩阵CloudflareAPI涵盖了多个强大的功能类别，每个类别都有其独特的用途，就像一把把精准的钥匙，能打开网站管理的不
·2025-06-23 22:51

【TVM 教程】在 TVM 中使用 Bring Your Own Datatypes

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。
·2025-06-23 22:20

XCVU47P-2FSVH2892E Xilinx Virtex UltraScale+ FPGA AMD

它不仅为AI与网络加速提供了理想平台，也在5G与未来通信基础设施中发挥着核心作用。凭借其灵活架构、卓越性能和丰富生态。
XINVRY-FPGA·2025-06-23 19:34

【AI论文】MultiFinBen：一个用于金融大语言模型评估的多语言、多模态且具备难度感知能力的基准测试集

摘要：近期，大型语言模型（LLMs）的进展加速了金融自然语言处理（NLP）及其应用的发展，然而现有的基准测试仍局限于单语言和单模态场景，往往过度依赖简单任务，无法反映现实世界金融交流的复杂性。
东临碣石82·2025-06-23 16:46

Ubuntu24.04 ProteinMPNN安装

3.9condaactivateproteinmpnncondainstallpytorch=1.12.0torchvision=0.13.0torchaudiocudatoolkit=11.3-cpytorch#不指定的话cudapytorch和GPU
lamovrevx·2025-06-23 15:02

信创 CDC 实战｜国产数据库的数据高速通道：OceanBase 实时入仓 StarRocks

国产数据库加速进入核心系统，传统同步工具却频频“掉链子”。
·2025-06-23 14:08

本地部署大语言模型

一、硬件准备本地部署大语言模型对硬件有一定的要求，主要集中在显卡（GPU）和内存（RAM）上。由于大语言模型通常具有庞大的参数量和计算量，因此需要强大的硬件支持。
小俊学长·2025-06-23 14:59

西南站丨AI驱动仿真未来，2025 Altair区域技术交流会报名开启！

邀请函在AI技术不断演进与应用边界持续拓展的当下，仿真与人工智能、高性能计算的深度融合正在加速推动产品研发模式的智能化变革。
·2025-06-23 09:25

TensorFlow 安装与 GPU 驱动兼容（h800）

环境说明TensorFlow安装与GPU驱动兼容CUDA/H800特殊注意事项PyCharm和终端环境变量设置方法测试GPU是否可用的Python脚本#使用TensorFlow2.13在NVIDIAH800
weixin_44719529·2025-06-23 07:17

非root用户在服务器（linux-Ubuntu16.04）上安装cuda和cudnn，tensorflow-gpu1.13.1

1.准备工作（下载CUDA10.0和cudnn安装包）查看tensorflow和CUDA，cudnn的版本的对应关系，从而选择合适的版本进行下载下载CUDA10.0安装包，点击官网进行下载，根据服务器的具体情况选择对应的版本，如下图所示下载完毕后得到安装包cuda_10.0.130_410.48_linux.run下载cudnn，选择CUDA10.0对应的版本（需要注册登录nvidia账号），点击
码小花·2025-06-23 07:16

如何安装Tensorflow和GPU配置

课题组某一台服务器升级后，很多环境丢失了，4块3090的GPU的驱动已安装好，但没有公用的Tensorflow可使用。
神隐灬·2025-06-23 07:45

非 root 用户安装 cuDNN 并配置 TensorFlow 使用 GPU

为非root用户安装cuDNN并配置TensorFlow使用GPU（以CUDA11.5为例）背景说明在科研服务器或非root权限环境下，用户往往无法通过apt或yum安装CUDA/cuDNN。
·2025-06-23 07:12

BEV-Fusion环境配置（RTX4090）

BEV-Fusion环境配置（RTX4090）SystemVersionSystemVer.Ubuntu22.04.5LTSKernelVer.6.8.0-57-genericGPU:RTX4090CudaVersionin
·2025-06-23 06:10

playwright实战：某网站舆情爬取

网站链接：'aHR0cDovL3d3dy5jdXN0b21zLmdvdi5jbi9jdXN0b21zLzMwMjI0OS8zMDIyNzAvMzAyMjcyL2luZGV4Lmh0bWw='反爬技术：加速乐
冰吸生椰拿铁.·2025-06-23 04:57

从零到一RedisVL 安装与运行全攻略

pipinstallredisvl[all]额外安装sentence-transformers、NumPy等开发环境pipinstallredisvl[dev]flake8、pytest、black…hiredis加速
·2025-06-23 03:16

【转载翻译】Open3D和PCL的一些比较

https://github.com/LaplaceKorea/investigate_open3d_vs_pcl/blob/main/README.rst#whats-the-support-for-gpus-look-like-in-open3d
空名Noname·2025-06-23 02:40

# 内存管理中的缓存分类与分页机制关系 —— 实战代码与现象解读

2.PageCache（页缓存）用途：文件/块设备I/O加速，占用大量物理内存。现象：读/写大文件，free命令bu
嵌入式Jerry·2025-06-23 01:03

单机环境下基于 LLM-Agent 框架的数据查询智能体训练教程

单机环境下基于LLM-Agent框架的数据查询智能体训练教程以下教程介绍如何在单机环境（CPU或1~2张GPU）上，使用LLM-Agent框架搭建并训练一个混合数据源查询智能体。
·2025-06-23 00:53

Oracle第五章PL/SQL基础

Homework-Chapter55.7.1实训Practicaltraining1：PL/SQL基础Basics〖实训目的Trainingpurpose〗（1）学会PL/SQL基本语法；LearnbasicPL
ZShuiShen·2025-06-22 23:49

一文读懂 Nuxt.js：下一代 Vue 全栈框架的核心魅力

在前端技术迭代加速的当下，如何高效构建高性能、易维护的Web应用，成为开发者面临的核心课题。
吴启维·2025-06-22 23:17

DirectX function “GetDeviceRemovedReason“ failed with DXGI_ERROR_DEVICE_HUNG (“The GPU will not resp

玩游戏的时候，报错：DirectXfunction“GetDeviceRemovedReason”failedwithDXGI_ERROR_DEVICE_HUNG(“TheGPUwillnotrespondtomorecommands
Roc-xb·2025-06-22 21:02

在VTK中捕捉体绘制图像并实时图像处理

1.核心功能架构主窗口：3D体绘制视图（GPU加速的体积渲染）副窗口：2D截图视图（带高斯模糊后处理）交互机制：副窗口的交互操作会实时影响主窗口的3D视图2.关键组件分析2.1自定义交互器(CustomInteractorStyle
点PY·2025-06-22 20:28

ArkCompiler在鸿蒙应用开发中的性能优化实践

关键点在于：字节码优化：通过arkc--opt-level=2启用O2优化，消除冗余指令；类型推断加速：使用@CompileMode(Fast)注解高频调用的Java方法；内存管理：配合ArkTS的@S
·2025-06-22 19:52
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他