gpu

【LLM】Llama Factory：Windows部署全流程

一、部署原理与流程概述（一）核心逻辑本教程基于"环境隔离-硬件适配-框架集成"三层架构设计，通过创建独立Python环境保障系统稳定性，结合GPU硬件加速提升计算效率，最终实现LlamaFactory框架的完整功能调用
T0uken·2025-04-02 09:49

ComplexE的代码注释

还不想配电脑，又不会用GPU服务器。哭死哭死。心态崩了。直接发吧。
水深00安东尼·2025-04-02 07:06

print(torch.cuda.is_available())输出为False

但是就是在python中打印print(torch.cuda.is_available())输出为False原因你所下载的pytorch为cpu版本解决方案下载gpu版本的pytorch、torch_version
筱文rr·2025-04-02 06:29

DeepSeek-R1模型不同参数规模（1.5B、7B、8B、14B、32B、70B、671B）之间的区别

以下是具体区别和选择建议：1.核心区别：参数量与模型能力参数规模能力范围典型应用场景硬件需求1.5B轻量级任务（文本生成、简单问答）移动端/嵌入式设备、低资源环境CPU或低端GPU（如RTX3060）7B
Remember_Ray·2025-04-02 03:38

常见的人工智能学习框架以及特点、应用场景

支持分布式计算，可以使用多个GPU和TPU进行训练。提供了TensorBoard用于可视化训练过程和模型性能。应用场景：图像识别、自然语言处理（NLP）、生成模型等
2020314·2025-04-02 03:31

注册成为 GPU 提供者全攻略：系统、申请与操作指南

目录一、成为GPU提供者的系统要求（一）硬件“基石”：显示处理器是关键（二）软件“支柱”：多软件协同构建运行环境二、注册申请流程：清晰步骤指引（一）了解硬件，更新软件（二）认真填写用户申请表（三）提交申请等待审核三
Muyu881·2025-04-01 22:24

机器学习： LightGBM模型（优化版）——高效且强大的树形模型

它具有高效的训练速度、低内存占用、支持并行和GPU加速等特点，非常适合大规模数据的训练任务，尤其在分类和回归任务中表现突出。
秀儿还能再秀·2025-04-01 21:15

PyTorch + torchvision是什么

PyTorch是一个开源的深度学习框架，由FacebookAI开发，它的特点是：易用性强：Python风格代码，好写好调试动态图机制：代码运行即图构建，更灵活支持GPU：训练快，效率高社区活跃：资料多，
太阳照常升起--·2025-04-01 20:11

电脑也能玩PS4大作？shadPS4模拟器来了

由于PS4的硬件架构（基于x86-64的AMDJaguarCPU和GCNGPU）与PC相似，ShadPS4的开发相对其他模拟器（如ARM架构的Android设备）更具可行性。
开源项目精选·2025-04-01 18:53

NVIDIA A100能效跃迁与架构精解

SM多实例化技术将单个流式多处理器动态分割为7个独立实例，在云原生环境中实现GPU资源利用率从65%到95%的跃升。配合带宽达1.6TB/s的HB
智能计算研究中心·2025-04-01 18:51

算力技术创新赋能多场景应用升级

工业互联网场景中，CPU+GPU+FPGA的混合计算模式有效支撑复杂物理仿真与产线优化；智能安防领域借助量子计算的高并发特性，实现千亿级特征数据的实时匹配与风险预警；物联网终端则依托边缘计算节点的分布式部署
智能计算研究中心·2025-04-01 13:50

Avalonia 框架

支持GPU加速和多线程渲染，在嵌入式设备（
Vae_Mars·2025-04-01 07:03

前沿技术洞察（四）：异构GPU池化实现边缘计算高实时强交互体验

为了保障云端GPU算力的可用性，可将云端资源虚拟化，静态切片方式分配算力资源，给XR应用预留启动算力。当客户端请求发出后，第一时间调度云端资源计算渲染，在流推至客户端。通常包括G
平行云PVT·2025-04-01 05:20

【弹性计算】异构计算云服务和 AI 加速器（四）：FPGA 虚拟化技术

《异构计算云服务和AI加速器》系列，共包含以下文章：异构计算云服务和AI加速器（一）：功能特点异构计算云服务和AI加速器（二）：适用场景异构计算云服务和AI加速器（三）：GPU虚拟化技术异构计算云服务和
G皮T·2025-04-01 04:18

python gpu加速_Python基于pyCUDA实现GPU加速并行计算功能入门教程

本文实例讲述了Python基于pyCUDA实现GPU加速并行计算功能。
weixin_39710288·2025-04-01 03:42

python基础：CUDA调用

importtorch#指定CPUcpu1=torch.device("cpu:0")print("CPUDevice:【{}:{}】".format(cpu1.type,cpu1.index))#指定GPUgpu
tofutoo·2025-04-01 03:10

Python调用CUDA

CUDA常用语法和函数CUDA(ComputeUnifiedDeviceArchitecture)是NVIDIA提供的一个并行计算平台和编程模型，允许开发者使用NVIDIAGPU进行高性能计算。
源代码分析·2025-04-01 03:09

「唯算力论」落幕，地平线「架桥铺路」赋能智能汽车新生态

对于一部分没有足够自研能力的车企来说，目前市面上可选择的计算平台，大家的评判依据仍然是传统的CPU、GPU算力，同时借助这些芯片厂商提供的底层软件平台来进行系统开发。
高工智能汽车·2025-04-01 03:08

CUDA的Python教程

CUDA（ComputeUnifiedDeviceArchitecture）是一种并行计算平台和编程模型，用于利用NVIDIAGPU（图形处理器）进行高性能计算。
代码飞翔·2025-04-01 03:08

揭秘DeepSeek：Kubernetes+Slurm混合调度架构如何炼成AI算力？

摘要：在超大规模AI训练场景中，如何实现GPU资源的精细化调度？
恶霸不委屈·2025-04-01 02:05

Windows 图形显示驱动开发-WDDM 2.4功能-GPU 半虚拟化（十二）

DxgkDdiQueryAdapterInfo更新DXGKARG_QUERYADAPTERINFO结构已更新，以包括以下字段以支持半虚拟化：添加了Flags成员，允许Dxgkrnl指示以下内容：它将VirtualMachineData设置为指示调用来自VM。它将SecureVirtualMachine设置为表示VM在安全模式下运行。添加了hKmdProcessHandle，这允许驱动程序在处理源自
程序员王马·2025-03-31 22:08

深度学习篇---模型GPU训练

文章目录前言一、在PaddlePaddle框架下使用GPU训练模型步骤1：确保环境准备就绪硬件软件步骤2：确认GPU可用步骤3：设置使用的GPU设备步骤4：定义模型步骤5：将模型移到GPU步骤6：准备数据并移到
Ronin-Lotus·2025-03-31 21:29

超简单：Linux下opencv-gpu配置

1.下载opencv和opencv_contrib安装包1）使用命令下gitclonehttps://github.com/opencv/opencv.git-b4.9.0gitclonehttps://github.com/opencv/opencv_contrib.git-b4.9.02）复制链接去GitHub下载然后上传到服务器注意：看好版本，opencv和opencv_contrib安装包
李卓璐·2025-03-31 20:49

Ollama实战指南：本地大模型一键部署与高效使用（2024最新版）

相比需要昂贵GPU的云端方案，Ollama的优势在于：零配置部署：一条命令完成模型下载和运行跨平台支持：Windows/Mac/Linux全平台兼容完全免费：没有API调用次数限制隐私安全：所有数据留在本地不联
人民广场吃泡面·2025-03-31 17:23

YOLOv8--绘制中文标签耗时优化

本文方法：CPU/GPU上中文绘制耗时几乎忽略不计，接口代码可以集成到
你的陈某某·2025-03-31 10:08

JavaSE——语法基础篇

3)显卡GPU：GraphicProcessingUnit图形图像处理单元------计
芸瑶·2025-03-31 07:49

Mineru保姆级部署教程

目录1.拉取mineru代码2.安装magic-pdf3.下载模型文件1.从modelscope下载模型（推荐）2.从HuggingFace下载模型4.修改配置文件以进行额外配置（针对想使用GPU加速的同学
哈拉斯·2025-03-31 06:10

QtAV入门

硬件加速利用GPU解码（DXVA2、VAAPI、VideoToolbox、CUDA）。
byxdaz·2025-03-31 06:09

超详细的Stable Diffusion WebUI 安装！

前言安装方式：使用发行包在带有NVidia-GPU的Windows10/11上安装sd.webui.zip从v1.0.0-pre下载并解压其内容。跑步update.bat。跑步run.bat。
AI绘画小33·2025-03-30 17:45

Milvus - GPU 版本安装教程

本文将详细介绍如何安装支持GPU的Milvus版本，以及所需的硬件和软件环境要求。
花千树-010·2025-03-30 11:30

AWS EC2 容量块使用指南：预留高性能GPU实例的完整攻略

AWSEC2容量块（CapacityBlocks）是一项专为需要临时访问大规模GPU计算资源的客户设计的服务。它允许用户预先预留特定数量的高性能GPU实例，确保在需要时能够获得所需的计算能力。
ivwdcwso·2025-03-30 08:35

Nanim：基于Nim的流畅GPU加速动画框架

Nanim：基于Nim的流畅GPU加速动画框架nanimNanimisaneasy-to-useframeworktocreatesmoothGPU-acceleratedanimationsthatcanbepreviewedliveinsideaglfwwindowand
朱均添Fleming·2025-03-30 07:01

CUDA专题3：为什么GPU能改变计算？深度剖析架构、CUDA®与可扩展编程

1.简介1.1.使用GPU的优势图形处理器（GPU）在相近的成本和功耗范围内，能够提供比中央处理器（CPU）更高的指令吞吐量和内存带宽。
AI专题精讲·2025-03-29 20:22

深度学习 Deep Learning 第12章 深度学习的主流应用

本章强调了硬件和软件基础设施的重要性，特别是GPU在加速神经网络训练中的关键作用。此外，还讨论了模型压缩、动态结构以及专用硬件实现等策略，以提高模型的效率和性能。
odoo中国·2025-03-29 20:21

Ubuntu LLaMA-Factory实战

一、UbuntuLLaMA-Factory实战安装：CUDA安装CUDA是由NVIDIA创建的一个并行计算平台和编程模型，它让开发者可以使用NVIDIA的GPU进行高性能的并行计算。
张3蜂·2025-03-29 19:20

TensorFlow 深度学习框架详解

核心特点：跨平台支持：可在CPU/GPU/TPU上运行多语言接口：原生支持Python，通过API支持JS/Java/C++生态丰富：集成Keras、TF-Lite、TFX等工具链2.核心概念解析2.1
奶油话梅糖·2025-03-29 17:34

Windows 图形显示驱动开发-WDDM 2.7功能-MCDM KM 驱动程序实现指南（二）

主机调节，则还必须提供指向以下函数的指针：DxgkDdiMapCpuHostApertureDxgkDdiUnmapCpuHostApertureCPU主机调节CPU主机孔径对于32位OS离散图形处理单元(GPU
程序员王马·2025-03-29 10:16

Windows 图形显示驱动开发-WDDM 2.4功能-GPU 半虚拟化（七）

设置主机和VM在PowerShell中运行以下命令，使用GPU创建VM。创建名为TEST的VM。
程序员王马·2025-03-29 10:16

Windows 图形显示驱动开发-WDDM 2.4功能-GPU 半虚拟化（八）

VM内的所有呈现都通过虚拟GPU。用于设置VM的PowerShell脚本以下PowerShell脚本是如何从头开始设置VM的示例。修改它以满足你的需求。
程序员王马·2025-03-29 10:16

Windows 图形显示驱动开发-WDDM 2.4功能-GPU 半虚拟化（六）

为D3D12运行时设置LDA状态为D3D12运行时启用或禁用LDA时，UMD需要将正确的层和节点映射信息返回到运行时。代码流如下所示：D3D12从UMD获取D3D12_CROSS_NODE_SHARING_TIER上限。D3D12通过调用D3DKMTQueryAdapterInfo（KMTQAITYPE_PHYSICALADAPTERCOUNT）从Dxgkrnl获取物理适配器计数。D3D12调用p
程序员王马·2025-03-29 10:46

开源深度学习框架PyTorch

2.强大的GPU加速使用CUDA
深海水·2025-03-29 07:21

RISC_V GPU skybox 系列之rtlsim运行测试(4)

RISC_VGPUskybox系列之rtlsim运行测试(2-3)中，我们介绍了1-5部分内容，这里我们继续介绍。
CDerL·2025-03-29 04:33

阿里云国际站代理商：如何通过Serverless调用GPU资源？

1.采用支持GPU资源的Serverless系统选择支持GPU资源的Serverless系统，如Dilu系统，它通过内省弹性（introspectiveelasticity）机制，提供细粒度和自适应的二维协同扩展机制
聚搜云—服务器分享·2025-03-29 03:21

AI数字人：虚拟与现实的交融革命

这种跨越式发展背后是三大技术革命的叠加：图形渲染革命：从多边形建模到神经辐射场（NeRF）算力飞跃：GPU算力10年增长1000倍AI突破：生成对抗网络（GAN）创造逼真面容1.2市场爆发进行时根据IDC
一休哥助手·2025-03-28 22:42

OpenCV正确安装及环境变量配置

手动勾选Windows10SDK和MSVC安装CMake（3.31.6）在.npmrc配置pnpmconfigsetauto-approve-buildstrue运行pnpminstall接下来是开启GPU
饺子大魔王12138·2025-03-28 19:27

7B参数模型

一、训练/微调场景1.最低配置（能跑，但速度慢）GPU：NVIDIARTX3090/4090（24GB显存）CPU：Inteli7/i9或AMDRyzen7/9（8核以上）内存：64GBDDR4（建议3200MHz
云端源想·2025-03-28 16:34

RK3568 OpenHarmony4.0 USB摄像头

开发环境本文基于如下开发环境进行开发调试：硬件：摄像头海康USB摄像头（HIKVISIONDS-E14）硬件：RK3568开发板处理器：RK3568CPU：四核64位Cortex-A55，主频最高达2.0GHzGPU
敲嵌入式代码的·2025-03-28 16:03

国内的比较有名的机器视觉库有哪些？他们的内核是什么?

硬件加速：依赖海康自研GPU芯片（如“深眸”
yuanpan·2025-03-28 15:01

Unity光线追踪移动端降级适配技术指南

一、移动端光追的技术挑战与适配思路1.硬件限制与性能瓶颈算力限制：移动端GPU的并行计算能力仅为桌面端的1/10-1/2010带宽压力：光线追踪需要频繁访问几何数据，移动端显存带宽不足发热控制：连续高负载运算易触发设备温控降频
Clank的游戏栈·2025-03-28 15:59

Unity自定义渲染管线（Scriptable Render Pipeline）架构设计与实现指南

一、SRP技术体系概述1.核心设计理念全托管渲染控制：通过C#脚本完全掌控渲染流程模块化架构：将渲染流程拆分为可组合的RenderPassGPU友好设计：支持CommandBuffer与ComputeShader
Clank的游戏栈·2025-03-28 15:29
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他