许多朋友打算为自己购置一台Macbook，其中air和pro都是非常受欢迎的系列，这让很多有选购意向的人不知该怎么选，究竟二者中哪一个比较好呢？购买哪个系列才能让自己不后悔呢？下面就与小编起看看 MacBook air和 MacBook Pro的区别，让大家选到自己心仪的Macbook。##说在前面的话首先需要明白，MacBook Air 这个 10-12w 的性能释放能力是苹果故意拿出来恶心人的
如果你想提高电脑开机和运行的速度，最直接和标本兼治的方法就是加物理内存。倘若你有幸拥有一台有着4G内存的电脑，那你工作学习的心情一定是心旷神怡的。除此之外，如果你稀罕自己囊中的“大米”，不愿给自己的机器剖腹加RAM，那么，你可以试试下面六种方法：
一：尽量删除桌面文件
每次Mac启动都要对桌面的内容进行索引，为桌面每个文件建立缩略图标（thumbn
转载
2024-08-18 10:26:50
486阅读
这是一篇简单介绍在Mac利用最新M1处理器回事TensorFlow模型训练的文章，作者应该是google的人，但文章中引用的 github 仓库来自苹果公司。
原文链接： https://
blog.tensorflow.org/202
0/11/accelerating-tensorflow-performance-on-mac.html
转载
2024-05-28 10:38:14
321阅读
2020发生了太多事，在新冠疫情的影响下芯片和半导体产业也发生了很多翻天覆地的变化。在闲来无事时，博主整理的一下芯片半导体产业2020年的巨变，最后也是画了一把信仰尺来记下这一年的岁月。英伟达的信仰尺，图源淘宝1、苹果PC平台M1芯片 11月11日凌晨，苹果在其总部Apple Park发布了旗下首款自研PC平台基于Arm架构的芯片——M1，同时，也发布了搭载M1的最新MacBook Air。M1芯
转载
2024-05-26 14:36:58
50阅读
1. YOLO2代码在window下的训练代码： https://github.com/AlexeyAB/darknet原始代码： https://pjreddie.com/darknet/Tips: 1. 虽然要求OPENCV版本为2.4.13或2.4.3以上，VS2015，但实际上改一下代码中opencv和VS的配置信息，低版本也可以，本人版本opencv2.4.10 + VS2013。
探索高效计算新边界：libGPU - 打开GPU编程的宝藏库去发现同类优质开源项目:https://gitcode.com/项目简介是一个开源的、跨平台的库，旨在简化并优化利用GPU进行高性能计算的过程。它提供了一套简洁的API接口，让开发者能够以较低的学习曲线，高效地利用GPU的强大运算能力，加速科学计算、图像处理、机器学习等任务。技术分析libGPU的核心在于它的底层实现。它基于现代图形处理器
模型训练之多GPU的简洁实现每个新模型的并行计算都从零开始实现是无趣的。此外，优化同步工具以获得高性能也是有好处的。下面我们将展示如何使用深度学习框架的高级API来实现这一点。本代码至少需要两个GPU来运行。from mxnet import autograd, gluon, init, np, npx
from mxnet.gluon import nn
from d2l import mxne
转载
2024-07-29 16:25:27
93阅读
上次我用Docker安装了TensorFlow ，由于环境在容器里，使用起来不太方便，这次我基本把官方文档里的安装方法试用了一个遍，pip安装里好多坑，最后安装完依然没法用，每次安装都要，网速慢，回头只好慢慢解决问题了。当换了一种方法，使用Virtualenv安装的时候终于完成了，并且使用起来也很方便，于是就把过程记录下来，推荐给看到文章的人，希望大家能够避开这些坑。Virtualenv 是虚拟沙
MacOS如何使用GPU加速YOLOv8训练
原创
2024-09-05 09:59:36
1050阅读
很多情况下，选择黑苹果是为了省钱，或者直接说是没钱。因为白苹果实在太贵了！那么，白苹果贵，一定就真的更好吗？今天就来说说几个白苹果不一定更好的东西。GPU建模渲染首先是白苹果显卡都是AMD显卡，使用Blender建模软件的人可能就没办法使用这个GPU渲染器了。Blender目前就支持CUDA和OpenCL，而苹果已经封了OpenCL。黑苹果还好，可以支持部分NVIDIA卡专业卡。不过可惜的是目前最
转载
2024-05-03 20:14:56
136阅读
image.pngMac 相比Windows 有好多优点，同时又是基于Unix 的所以对科研相当友好，但是最大的缺点就是非常封闭，各种沙盒安全机制，这就导致了除了官方的显卡，其他的显卡支持相当的差，也许正是这个原因，Google官方也就放弃了Tensorflow GPU 版本对Mac的后续支持。当然啦，这也挡不住爱折腾的人们前赴后继的让自己的Mac和hackintosh(黑苹果)的GPU上跑上Te
转载
2023-12-23 20:04:59
500阅读
今天终于搞到一台带1080独显的PC，之前一直用CPU训练，效率极其低下。训练tensorflow-yolov3这个网络模型，图集400张，4个分类，要训练十多个小时才能看到检出效果，现在可以尝试使用GPU训练了。之前对GPU训练还不太了解，以为要改代码，现在才知道，其实不需要的。关键就是搭建好cuda环境NVIDIA显卡驱动 （https://www.nvidia.cn/Download/ind
转载
2024-04-24 14:09:16
82阅读
作为一名深度学习训练小白，想上github下一个一般的网络练练，但是每次千辛万苦地配置好环境，成功运行，没开始几步，就提示显存不够！上网一搜一大堆教程，改小batchsize，清理冗余参数，，，全都尝试了一通，但是这些方法都改变不了我电脑太拉的事实。对于新手来说，为了能够正常运行程序，通过云服务器进行训练是一个性价比还不错的方法。话不多说我们上干货！【免费网站google colab】优点：1
转载
2024-05-09 19:46:27
47阅读
文章目录前言一、云端gpu选择1.云端gpu推荐1.免费gpu2.租赁gpu3.矿机2.AutoDL租赁使用二、vscode通过ssh连接云端gpu1.vscode插件2.连接云端gpu三、部署nanodet训练环境1.克隆nanodet仓库2.根据nanodet仓库要求进行部署四、训练开始 前言前面有一篇文章主要讲述了如何本地训练yolo网络，略微提到了云端gpu训练，以此篇文章作为延续，详细
转载
2024-05-05 22:12:44
322阅读
AI开发现状从过去AlphaGo在职业围棋中击败世界冠军，到现在大火的自动驾驶，人工智能(AI)在过去几年中取得了许多成就。其中人工智能的成功离不开三要素：数据、算法和算力。其中对于算力，除了训练(train)，AI实际需要运行在硬件上，也需要推理(inference)，这些都需要强大算力的支撑。AI训练硬件平台：GPU、CPU、TPU常见的模型训练硬件平台主要有：GPU、CPU和TPU。CPU（
转载
2024-04-20 21:44:11
475阅读
1. 背景 一年半以前，AlphaGo完胜李世乭的围棋赛让深度学习（Deep Learning）这个名词家喻户晓，再度掀起人工智能的新一波热潮。其实深度学习背后的神经网络基础理论早在上世纪50年代就已提出，经过几起几落的发展，到了21世纪初，多层神经网络算法也日趋成熟。深度学习理论早在十多年以前就有重要突破，为何直到近年才出现爆发。这不得不提到2012年的一场竞赛。 2012年，Geoff
转载
2024-07-30 20:28:57
95阅读
写在最前能有如此方便的，避免走弯路的，深度学习环境配置教程，首先要感谢实验室颜神@stary_yan 与进神的配置指南。然后在他们的基础上再将其细化修改，变得更加清晰。哪怕你和我一样都是命令行小白，只要有一台带GPU的电脑，也能配置出自己的GPU版的Tensorflow+Keras环境，来跑深度学习代码。准备材料敏捷的手指对深度学习的热情一台Win10的带GPU的电脑（要联网）所需要的文件的百度网
转载
2024-04-17 15:10:48
102阅读
使用keras进行训练，默认使用单显卡，即使设置了os.environ['CUDA_VISIBLE_DEVICES']为两张显卡，也只是占满了显存，再设置tf.GPUOptions(allow_growth=True)之后可以清楚看到，只占用了第一张显卡，第二张显卡完全没用。要使用多张显卡，需要按如下步骤：(1)import multi_gpu_model函数：from keras.utils i
转载
2024-05-23 10:27:40
148阅读
丰色 量子位 报道 | 不得不说，自发布以来，苹果M1芯片的各项测评表现都令人印象深刻。甚至此前有人发现M1 Mac Mini在某项TensorFlow速度测试中的得分高于英伟达RTX 2080Ti。所以一位从事光线追踪 （Ray tracing）技术的程序员，就对M1产生了兴趣。他发现，M1比他的Haswell（英特尔第四代酷睿处理器）旧电脑Cinebench得分高1.6倍，比Tige
转载
2024-08-21 12:42:29
244阅读
一、背景介绍因为google官方bert不支持GPU并行化训练，在git上找了相关的multi gpu的都无法跑起来，内心无比的愤怒，花了几天时间，百度，google,查找各种方法，终于把bert multi gpu 训练成功搞定，以下记录详细各种采坑过程，以便相关同学学习。二、所需要的软件先列出来硬件软件版本 1.centos 7 服务器 两块P40 GPU 2.tensorflow=1.11.
