gpu

gem5-gpu教程 DSENT (Design Space Exploration of Networks Tool) 配合gem5

概述DSENT是一种建模工具，旨在快速探索电子和新兴的片上光电网络（NoC）的设计空间。它为各种网络组件提供分析和参数化模型，并可在一系列技术假设下移植。给定架构级参数，DSENT从电气和光学构建块分层构建指定的模型，并输出详细的功率和面积估计。版本当前：0.91（2012年6月26日）最新版本或其他信息可在以下网址找到https://sites.google.com/site/mitdsent系
事橙1999·2025-06-29 06:42

OpenCV CUDA模块设备层-----线性插值函数log()

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述该函数用于创建线性插值访问器，支持对GPU内存中的图像数据进行双线性插值采样
村北头的码农·2025-06-28 21:03

阿里云魔搭社区AIGC专区：中国AI创作的革命性平台

这一突破性进展不仅填补了国内全流程AI创作工具的空白，更以157款多模态开源模型和全免费GPU算力的开放姿态，为超过690万开发者提供了从模型调用到应用落地的完整生态支持。
Liudef06小白·2025-06-28 20:56

高通手机跑AI系列之——3D姿势估计

RedmiK60Pro处理器：第二代骁龙8移动--8gen2运行内存：8.0GB，LPDDR5X-8400，67.0GB/s摄像头：前置16MP+后置50MP+8MP+2MPAI算力：NPU48TopsINT8&&GPU1536ALUx2x680MHz
伊利丹~怒风·2025-06-28 17:10

高通手机跑AI系列之——姿态识别

RedmiK60Pro处理器：第二代骁龙8移动--8gen2运行内存：8.0GB，LPDDR5X-8400，67.0GB/s摄像头：前置16MP+后置50MP+8MP+2MPAI算力：NPU48TopsINT8&&GPU1536ALUx2x680MHz
伊利丹~怒风·2025-06-28 17:09

高通手机跑AI系列之——实时头发识别

RedmiK60Pro处理器：第二代骁龙8移动--8gen2运行内存：8.0GB，LPDDR5X-8400，67.0GB/s摄像头：前置16MP+后置50MP+8MP+2MPAI算力：NPU48TopsINT8&&GPU1536ALUx2x680MHz
伊利丹~怒风·2025-06-28 17:09

高通手机跑AI系列之——手部姿势跟踪

RedmiK60Pro处理器：第二代骁龙8移动--8gen2运行内存：8.0GB，LPDDR5X-8400，67.0GB/s摄像头：前置16MP+后置50MP+8MP+2MPAI算力：NPU48TopsINT8&&GPU1536ALUx2x680MHz
伊利丹~怒风·2025-06-28 17:09

✨【Blender/Houdini 渲染必看】CPUⓥⓢGPU？3 分钟选对算力不踩坑！

核心问题速答Q：渲染该选CPU还是GPU？✅CPU：复杂场景/批量渲染/预算可控首选✅GPU：单帧速度/实时预览/急单交付必选维度1：硬件硬刚——CPU凭啥赢麻了？
渲染101专业云渲染·2025-06-28 15:23

川翔云电脑全新上线：三维行业高效云端算力新选择

一、核心定位与优势云端虚拟工作站服务依托云端高性能CPU/GPU集群，提供远程桌面服务，支持普通设备运行专业软件。按需付费模式：无需采购高端硬件，大幅降低成本投入。
渲染101专业云渲染·2025-06-28 15:51

【安装Stable Diffusion以及遇到问题和总结】

下面为你详细介绍安装部署的步骤：一、硬件要求显卡：需要NVIDIAGPU，显存至少6GB，推荐8GB及以上。
岁月玲珑·2025-06-28 10:17

【PyTorch】保存和加载模型

加载模型■保存和加载用于推断和/或恢复训练的一般检查点(Checkpoint)■将多个模型保存在一个文件中■使用来自不同模型的参数进行暖启动(Warmstarting)模型■跨设备保存和加载模型保存在GPU
Jackilina_Stone·2025-06-28 01:54

docker: Error response from daemon: could not select device driver ““ with capabilities: [[gpu]].

这个错误表明Docker无法识别或加载支持GPU所需的设备驱动程序。
·2025-06-27 18:05

centos 7 安装NVIDIA Container Toolkit

以下是完整步骤及注意事项：⚙️一、环境准备验证NVIDIA驱动运行nvidia-smi确认驱动已正确安装，若未安装需先离线安装驱动：下载对应GPU型号的驱动包（如NVIDIA-Linux-x86_64-
几道之旅·2025-06-27 18:05

暴雨携AMD ，实现大规模 AI 和 Agentic 工作负载性能突破

暴雨宣布推出AMDInstinct™MI355XGPU，为客户提供更多选择。与上一代相比，大规模AI训练和推理工作负载的性价比将提高超过两倍。
BAOYUCompany·2025-06-27 17:30

异构计算解决方案（兼容不同硬件架构）

异构计算解决方案通过整合不同类型处理器（如CPU、GPU、NPU、FPGA等），实现硬件资源的高效协同与兼容，满足多样化计算需求。
ARM2NCWU·2025-06-27 17:29

MI300X vs H100：DeepSeek 部署在哪个 GPU 上性价比最高？

随着大模型部署和推理变得越来越普及，开发者和企业对GPU的选择也越来越挑剔。
卓普云·2025-06-27 15:15

【软件系统架构】系列四：嵌入式软件-NPU（神经网络处理器）系统及模板

二、NPU与CPU/GPU/DSP对比三、NPU的工作原理核心结构：数据流架构：四、NPU芯片架构（简化图）五、NPU的优势六、NPU应用场景视觉识别语音识别自动驾驶智能监控AIoT设备七、主流NPU芯片
·2025-06-27 15:14

编译OpenCV支持CUDA视频解码

如何在Ubuntu上编译OpenCV并启用CUDA视频解码支持（cudacodec）在深度学习、视频处理等高性能计算领域，OpenCV的GPU加速功能非常重要。
AI标书·2025-06-27 14:07

Milvus向量数据库：处理和分析大规模向量数据

目录一Milvus概述性能可扩展性易用性二Milvus的核心技术1向量索引HNSWIVFPQ2GPU加速3分布式架构分布式三深入了解Milvus的技术细节1存储机制持久化存储内存存储2数据导入与导出批量导入实时导入
concisedistinct·2025-06-27 10:38

开源新王MiniMax -M1 vLLM本地部署教程：百万级上下文支持成大模型领域新标杆！

MiniMax-M1型号可以在配备8个H800或8个H20GPU的单个服务器上高效运行。在硬件配置方面，配备8个H800GPU的服务器可以处理多达200万个令牌的上下文输入，而配备8个H20GP
算家计算·2025-06-27 07:17

CUDA与venv的配置

⚙️一、CUDA工具包的安装位置与虚拟环境的关系系统级全局安装CUDA工具包（含nvcc编译器、CUDA运行时库等）必须安装在系统全局路径（如Windows的C:\ProgramFiles\NVIDIAGPUCo
老兵发新帖·2025-06-27 03:17

Pytorch血泪安装史好吗（GPU版本+cuda12.1+python3.9.13）

1.安装cuda首先看下自己电脑是CPU还是GPU，看自己电脑对应的cuda版本看右下角英伟达标识，点击组件，我的cuda版本是12.3，但最后发现安12.1比较好2.安装12.1cuda版本对应的cudnn
宇宙最强袋鼠·2025-06-26 22:16

华为仓颉鸿蒙HarmonyOS NEXT ArkTS应用使用仓颉混合开发实例

仓颉：处理CPU/GPU密集型任务（如实时渲染、复杂算法）。通信桥梁XC
暗雨，·2025-06-26 22:12

基于FPGA的数字图像处理【1.5】

多核结构处理、GPU处理及FPGA很快在实时性图像处理领域得到了迅速的发展。本章将重点介绍基于FPGA的实时性图像处理。
BinaryStarXin·2025-06-26 21:39

高通 Camera 架构全景图：Sensor–ISP–DPU–GPU 数据流向解析

高通Camera架构全景图：Sensor–ISP–DPU–GPU数据流向解析关键词高通Snapdragon、Camera架构、ISP模块、DPU、GPU、数据路径、硬件加速、图像处理流程摘要本文将深入解析高通
观熵·2025-06-26 19:26

CUDA编程：优化GPU并行处理与内存管理

背景简介CUDA是NVIDIA推出的一种通用并行计算架构，它利用GPU的强大计算能力来解决复杂的计算问题。
Omoo·2025-06-26 19:19

揭秘GPU技术新趋势：从虚拟化到池化

  从GPU虚拟化到池化  大模型兴起加剧GPU算力需求，企业面临GPU资源有限且利用率不高的挑战。
科技互联人生·2025-06-26 19:49

深入GPU编程：从硬件架构到内核优化

深入GPU编程：从硬件架构到内核优化在当今由大型模型驱动的AI时代，GPU集群已成为推动技术进步的核心引擎。然而，仅仅让代码在GPU上“运行”与让其“高效运行”之间存在着巨大的性能鸿沟。
Kaydeon·2025-06-26 18:16

CUDA与PyTorch(GPU)的对应关系

CUDA与PyTorch(GPU)的对应关系：(需要自己按需求去找)：https://pytorch.org/get-started/previous-versions/表二：CUDAToolkit版本及可用
·2025-06-26 11:31

OpenCV CUDA模块设备层-----设备端（GPU）线程块级别的一个内存拷贝工具函数blockCopy()

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述在同一个线程块（threadblock内，将[beg,end)范围内的数据并行地复制到out开始的位置。它使用了CUDA线程协作机制（warp-level或block-level）来实现高效的块级拷贝，通常比简单的逐线程拷贝更快。函数原型_device__stat
村北头的码农·2025-06-26 05:51

torch-gpu版本 anaconda配置教程

教程Pytorch的GPU版本安装，在安装anaconda的前提下安装pytorch_pytorch-gpu-CSDN博客版本对应PyTorch中torch、torchvision、torchaudio
GXYGGYXG·2025-06-25 20:43

vllm docker容器部署大语言模型

它的目标是最大化推理吞吐量，并降低显存消耗，让大语言模型（LLMs）在单卡或多GPU服务器上运行得更高效。
zhangxiangweide·2025-06-25 07:15

创建vllm的docker镜像和容器

首先用docker启动一个容器，需求是将模型所在目录挂在到容器某个路径下，设置gpu的使用数量，设置端口dockerrun-dit--gpusall--ipc=host--namevLLM-p3001:
zhangxiangweide·2025-06-25 07:15

人像抠图学习笔记

BiseNetV2MODNetu2net:MODNet方法RobustVideoMatting实时视频抠图Modnet预测脚本Modnet效果有时比RobustVideoMatting好，在衣服分割时，backbone是mobilev2gpu512
AI算法网奇·2025-06-25 07:10

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

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

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

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

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

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

【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

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

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

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

【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
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他