gpu图像识别

Infiniband网络架构的技术与性能分析

集群算力优化的关键在于GPU利用率和线性加速比。其中，GPU利用率受限于
科技互联人生·2024-09-09 04:51

【车载智能座舱域控制器】-【测试】

目录一、座舱SOC芯片历程介绍1、注解：1.CPU（中央处理器）2.GPU（图形处理器）3.NPU（神经处理单元）2、具体应用示例3、性能指标的重要性二、智能座舱包含哪些功能三、智能座舱测试包括：四、智能座舱
@逝水流年轻染尘@·2024-09-09 01:56

【已解决】Halcon错误代码4104

结果如下图所示，正常在使用GPU训练。搞定，手工~
聪明不喝牛奶·2024-09-08 23:12

10 自研rgbd相机基于rk3566之OPENCL加速库测试与开发

3opencl移植与调用：opencl加速库核函数编写1开发流程：2核函数编写接口函数定义如下：示例代码如下：opencl加速库示例代码opencl加速库介绍1OpenCL概念opencl是可以直接调用gpu
三十度角阳光的问候·2024-09-08 21:03

在国产芯片上实现YOLOv5/v8图像AI识别-【4.2】RK3588获取USB摄像头图像推流RTSP更多内容见视频

本专栏主要是提供一种国产化图像识别的解决方案，专栏中实现了YOLOv5/v8在国产化芯片上的使用部署，并可以实现网页端实时查看。根据自己的具体需求可以直接产品化部署使用。
橘子的战斗日记·2024-09-08 20:56

【DeepSpeed 教程翻译】三，在 DeepSpeed 中使用 PyTorch Profiler做性能调试和Flops Profiler教程翻译

文章目录0x0.前言0x1.在DeepSpeed中使用PyTorchProfiler做性能调试Profile模型训练的循环标记任意代码范围ProfileCPU/GPU的活动Profile内存消耗0x2.
just_sort·2024-09-08 17:39

Vortex GPGPU的硬件代码分析（Cache篇3）

文章目录前言一、VX_cache.sv代码部分解读3——bank1.1bankrequestdispatch1.1.1解释VX_stream_xbar模块1.1.2解释VX_stream_arb模块1.1.3解释VX_generic_arbiter模块1.1.4解释VX_priority_arbiter模块1.1.5解释VX_rr_arbiter模块1.1.6解释VX_fair_arbiter模块
DentionY·2024-09-08 13:09

关于隐语架构概览的知识

包括但不限于CPU、GPU、内存以
m0_67966665·2024-09-08 11:25

第十四节：学习Springboot 的restful接口风格（自学Spring boot 3.x的第三天）

增(PostMapping)/***保存学生*@return*/@PostMappingpublicStudentsave(@RequestBodyStudentstudent){studentService.save
Mero技术博客·2024-09-08 05:11

微软开源 Phi-3.5 视觉模型

512个H100GPU，3.4万亿个tokens训练了10天。Phi3.5MoE:16x3.8B参数
三花AI·2024-09-08 02:19

元学习（meta learning）（一）

实际上没有什么好方法来调这些超参，今天工业界最常拿来解决调整超参数的方法是买很多张GPU，然后一次训练多个模型，有的训练不起来、训练效果比较差的话就输入掉，最后只看那些可以训练的比较好的模型会得到什么样的性能
前行居士·2024-09-08 02:48

一文让你搞懂什么是AI大模型

无论是自然语言处理、图像识别，还是自动驾驶，AI大模型都展现出了强大的能力和广泛的应用前景。那么，什么是AI大模型？它们有哪些特点和应用场景？本文将带你一探究竟。
码上飞扬·2024-09-08 00:11

OSError: [WinError 126] 找不到指定的模块---caffe2_detectron_ops_gpu.dll

Errorloading"C:\Anaconda\Anaconda3\envs\TIN\lib\site-packages\torch\lib\caffe2_detectron_ops_gpu.dll"oroneofitsdependencies
努力的小柚·2024-09-07 15:34

Node.js发票识别接口助力企业实现发票的精准高效管理

通过高精度的图像识别与机器学习技术，将繁琐的手动输入工作转化为自动化的过程，不仅提升了数据处理速度，还极大降低了人为错误。
翔云API·2024-09-07 09:24

深度学习框架相关-Python模块的介绍和使用---torch

PyTorch的设计目标是提供灵活且高效的工具集，用于深度学习和科学计算；2.下面主要介绍torch模块的五个功能：数据加载和处理，GPU加速，建立网络模型，模型的保存和加载，梯度更新和参数优化；上面功能主要用到的子模块如下
sccum·2024-09-07 09:22

[GPU与CPU100倍性能之谜，论文个人阅读分享]Debunking the 100X GPU vs. CPU myth: an evaluation of throughput computing

Debunkingthe100XGPUvs.CPUmyth:anevaluationofthroughputcomputingonCPUandGPU*Authors:VictorW.Lee,ChangkyuKim
GutsShinyHero·2024-09-07 04:17

在PyTorch中使用CUDA, pytorch与cuda不同版本对应安装指南，查看CUDA版本，安装对应版本pytorch_pytorch cuda

在PyTorch中使用CUDA，你需要确保正确安装了匹配你的GPU的CUDAToolkit。以下是在PyTorch中使用CUDA的一般步骤：检查CUDA支持：首先，确保你的GPU支持CUDA。
2401_84009626·2024-09-06 16:31

环境安装-1：Python3.8+CUDA11.6.1+cuDNN8.6+Tensorflow-gpu2.6.1

CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
w坐看云起时·2024-09-06 10:50

arm a7 支持虚拟化吗_Arm增加CPU、GPU和ISP，实现自主和视觉安全_Mali

原标题：Arm增加CPU、GPU和ISP，实现自主和视觉安全Arm引入了一套新的知识产权(IP)，包括新的CPU、GPU和ISP(图像信号处理器)，以实现可扩展、高效的计算能力，以实现跨汽车和工业应用的安全
weixin_39569112·2024-09-06 06:22

ISP(图像信号处理器)是什么？

和电脑的GPU类似，通常采并行计算。功能：Bayertransformation图像传感器（就是光电转换器）中的光电二极管（吸收光子产生电流）其实是无法识别颜色的，为了能够识别颜
FoGoiN·2024-09-06 05:16

opencv轮廓近似，模板匹配

在图像处理领域，轮廓近似和模板匹配是两种非常关键的技术，它们广泛应用于计算机视觉、图像分析和图像识别等多个方面。本文将详细介绍如何使用OpenCV库进行轮廓近似和模板匹配，并给出具体的代码示例。
富士达幸运星·2024-09-06 01:22

NPU技术总结

NPUs的设计架构:NPUs通常采用不同于传统CPU或GPU的架构，优化了矩阵运算和并行处理。指令集:它们拥有专门的指令集，用于加速神经网络中的常见操作，如卷积和激活函数。
技术学习分享·2024-09-06 00:47

Nvidia GPU benchmark压力测试工具

一、参考资料使用Pytorch测试cuda设备的性能（单卡或多卡并行）GPU：使用gpu-burn压测GPU二、GPU压力测试方法1.PyTorch方式使用torch.ones测试CUDA设备。
花花少年·2024-09-06 00:13

快速搭建本地 Whisper 语音识别大模型

前置准备在开始之前，你需要确保计算机符合以下条件：Python3.7+环境GPU支持（CUDA驱动）：尽管CPU也能运行，但GPU会更快。足够的存储空间：模型可能需要几个GB。步骤一：
码上飞扬·2024-09-05 18:31

AI创业必备：GPU云、GPU 租赁或自建，你选对了吗？

在快速发展的机器学习领域，人工智能初创公司对GPU的需求与日俱增。GPU成了AI创业公司们构建核心资源，甚至颠覆创新的关键资源和基础设施。然而，这也让GPU资源的价格水涨船高。
DO_Community·2024-09-05 17:25

为什么深度学习用GPU而不是CPU

首先，我们深度理解一下中央处理器（CentralProcessingUnit，CPU）的核心。CPU的每个核心都拥有高时钟频率的运行能力，和高达数MB的三级缓存（L3Cache）。它们非常适合执行各种指令，具有分支预测器、深层流水线和其他使CPU能够运行各种程序的功能。然而，这种明显的优势也是它的致命弱点：通用核心的制造成本非常高。它们需要大量的芯片面积、复杂的支持结构（内存接口、内核之间的缓存逻
小锐->技术成就梦想,梦想成就辉煌。·2024-09-05 13:59

Unity3D 如何提升游戏运行效率详解

1.优化渲染性能1.1使用合适的纹理压缩和格式技术详解：使用适当的纹理压缩可以显著减少内存使用和GPU负担。Unity支持多种纹理压缩格式，如ETC2、PVRTC
Clank的游戏栈·2024-09-05 11:14

Unity3D Compute Shader如何进行同步详解

前言在Unity3D中，ComputeShaders是一种利用GPU并行处理能力执行复杂计算的方法。
Clank的游戏栈·2024-09-05 11:44

Ubuntu下安装CUDA和cuDNN

Ubuntu下安装CUDA和cuDNNCUDA1.查看显卡是否支持CUDA网址https://developer.nvidia.com/cuda-gpus。
_Mallow_·2024-09-05 08:26

Ubuntu20.04安装CUDA和cuDNN

这里写目录标题1.简介1.1测试TensorFlow能否使用GPU2.安装CUDA11.22.1下载安装包2.2安装2.3配置环境变量2.3.1打开bashrc2.3.2末尾加上2.3.3内容生效2.4
Czi.·2024-09-05 08:26

AI模型：追求全能还是专精？

AI模型简介人工智能（AI）模型是人工智能系统的核心，它们是经过训练的算法，能够执行特定的任务，如图像识别、自然语言处理、游戏玩法、预测分析等。AI模型的类型很多，可以根据其功能和应用场景进行分类。
Lill_bin·2024-09-04 23:00

NVIDIA NCCL 源码学习（八）- 数据通信链路transport的建立

上节说到nccl通过ncclTransportP2pSetup完成了数据通信链路的建立，还是以上节两机十六卡的环为例：第一台机器的环：graph->intra:GPU/0GPU/7GPU/
KIDGINBROOK·2024-09-04 22:57

第T4周：使用TensorFlow实现猴痘病识别

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊文章目录一、前期工作1.设置GPU（如果使用的是CPU可以忽略这步）2.导入数据3.查看数据二、数据预处理1、加载数据2、数据可视化3、再次检查数据
oufoc·2024-09-04 18:03

Rocm-Programming with HIP 内存分配

这种内存有以下特点和用途：GPU地址空间映射：分配的内存被映射到系统中所有GPU的地址空间。这意味着GPU可以直接访问这块内存，而不需要数据复制操作。
青禾子的夏·2024-09-04 12:49

使用PotPlayer播放器查看软解和硬解4K高清视频时的CPU及GPU占用情况

目录1、问题说明2、PotPlayer播放器介绍3、视频的软解与硬解4、使用PotPlayer查看4K高清视频软解和硬解时的CPU占用情况4.1、使用软解时CPU和GPU占用情况4.2、使用硬解时CPU
dvlinker·2024-09-04 11:12

Azure和Transformers的详细解释

以下是对AzureAI各个方面的详细解释：AzureAI主要组件AzureCognitiveServices（认知服务）：计算视觉：包括图像识别、物体检测、人脸识别以及图像标注等。
漫天飞舞的雪花·2024-09-04 09:04

免费GPU平台教程，助力你的AI, pytorch tensorflow 支持cuda

Colab：https://drive.google.com/drive/home阿里天池实验室：https://tianchi.aliyun.com/60个小时gputianchi.aliyun.com
zhangfeng1133·2024-09-04 08:57

ChatGLM3-6B-32K 在linux(Ubuntu) GPU P100(16G)复现记录

ChatGLM3-6B-32K在linux(Ubuntu)GPUP100(16G)复现记录时间：2024年6月12日1.创建Conda环境condacreate--namechatglm3python=
beneficial·2024-09-04 06:11

并行处理的艺术：深入探索PyTorch中的torch.nn.parallel模块

PyTorch，作为当前流行的深度学习框架之一，提供了torch.nn.parallel模块，允许我们轻松地将模型部署到多个GPU上。
杨哥带你写代码·2024-09-04 06:10

[python]python onnxruntime gpu是否可用

在Python中，要检查ONNXRuntime是否可以使用GPU，可以使用以下代码：importonnxruntimeasort#检查CUDA是否可用defis_cuda_available():try
FL1623863129·2024-09-04 05:29

caffe/PyTorch/TensorFlow 在Jupyter Notebook GPU中运用

在JupyterNotebook中使用Caffe框架并利用GPU加速，可以实现多种效果和目的，主要集中在深度学习领域。以下是一些主要的应用场景：快速训练模型：GPU加速可以显著提高模型训练的速度。
俊俏的萌妹纸·2024-09-04 04:26

3维线程格 gpu_GPU编程2--CUDA核函数和线程配置

CUDA核函数在GPU上执行的函数称为CUDA核函数(KernelFunction)，核函数会被GPU上多个线程执行，我们可以在核函数中获取当前线程的ID。
weixin_39575502·2024-09-04 03:22

算法学习-2024.8.16

TensorRT对于网络结构进行了重构，把一些能够合并的运算合并在了一起，针对GPU的特性做了优化。
蓝纹绿茶·2024-09-04 01:42

【Python机器学习】卷积神经网络（CNN）

它是用一个可视化盒子在一个区域内滑动，如下图所示：构建块卷积神经网络最早出现在图像处理和图像识别领域，它能够捕捉每个样本中数据点之间的空间关系，也就能识别出图像中是猫还是狗。
zhangbin_237·2024-09-04 01:38

离屏渲染

在屏渲染On-ScreenRenderingGPU的渲染操作是在当前用于显示的屏幕缓冲区中进行离屏渲染Off-ScreenRendering离屏幕渲染是在GPU层面发生的，即GPU在当前屏幕缓冲区外，新开辟了一个缓冲区进行渲染当设置某一些视图的图层属性时
滨滨_57b5·2024-09-03 16:44

AI深度学习项目-yolo4_tiny 垃圾分类识别系统

技术栈深度学习框架：PyTorch目标检测算法：YOLOv4-tiny编程语言：Python硬件加速：GPU（如果可用）功能特
毕设宇航·2024-09-03 13:20

【区块链 + 物联网】斐得坊智慧停车区块链 | FISCO BCOS应用案例

区块链技术具有防篡改的特性，反映在停车大场景内就是利用区块链的多中心化、共识机制、智能合约、信用管理等特性，综合采用高清电子图像识别、车位导航、线上支付等停车管理技术，实现智能缴费停车、预约停车、共享停车
FISCO_BCOS·2024-09-03 09:01

当科技企业存在多类型的服务器资源时，如何确保访问安全？

为节约计算资源使用成本，该企业在服务器上的配置较高，如GPU、高性能CPU等，开发及运营人员通过普通桌面终端远程到服务器上进行开发和运营工作。
宁盾Nington·2024-09-03 07:48

深度学习(二)

CuDNN（CUDADeepNeuralNetworklibrary）是NVIDIA为加速深度学习计算而开发的高性能GPU加速库，专门优化了深度神经网络（DNN）的常见操作，如卷积、池化、归一化和激活函数等
小泽爱刷题·2024-09-03 06:10

ubuntu 常用指令笔记

目录：一.查看文件大小二.查看当前文件系统各分区的大小三.查看当前文件系统cpu，内存四.查看当前文件系统gpu五.清除回收站命令一.查看文件大小查看文件大小的命令：~$ls-lfilename会在终端输出
Kimx510·2024-09-03 03:41
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他