接下来通过使用有限差分的方法求解二维波动方程，将会学习到如何跨设备重叠计算和通信。二 次 波 动 方 程 的 模 板 计 算二维波的传播由以下波动方程来决定：其中,u(x,y,t)是波场，v(x,y)是介质的速度。这是一个二阶偏微分方程。求解这种偏微分方程的典型方法是使用规则的笛卡尔网格上的有限差分法。更简单地说，有限差分法近似于使用一个模板求导以计算规则网格中单一点的倒数，具体方法是围绕该点的多
本文目录常用函数关于网络模型并行计算torchvision库Tensorboard的使用自定义层模型可视化性能优化标注工具环境配置生僻bug记录torch库的使用（pytorch框架）： 在pytorch中，FloatTensor是基本的数据格式，等同于ndarray在numpy中的地位。 另一种常用格式是变量Variable，常用于计算图。FloatTensor.view：与Matlab的res
# CUDA 检查 GPU 架构
随着深度学习和高性能计算的快速发展，CUDA（Compute Unified Device Architecture）成为了开发者和研究人员的热门选择。它使得程序员能够在 NVIDIA GPU 上并行执行计算密集型任务。了解 GPU 架构对于优化代码和充分利用 GPU 性能至关重要。在本文中，我们将探讨如何检查 GPU 架构以及相关代码示例。
## 什么是 G
原创
2024-10-22 05:28:43
159阅读
一、安装环境说明软件版本下载链接说明Ubuntu系统
16.04-64位
…
…
Python
anaconda 3.6
不使用系统自带的2.7版本
CUDA
cuda_8.0.61_375.26_linux.run
NVIDIA推出的使用GPU资源进行通用计算的SDK，CUDA的安装包里一般集成了显卡驱动
cuDNN
cudnn-8.0-linux-x64-v5.1.tgz
cuDNN(需要注册
转载
2024-05-02 21:40:12
86阅读
CUDA 3.0 编程接口
【IT168 文档】目前可用两种接口写CUDA程序：CUDA C和CUDA驱动API。一个应用典型的只能使用其中一种，但是遵守3.4节描述的限制时，可以同时使用两种。 CUDA C将CUDA编程模型作为C的最小扩展集展示出来。任何包含某些扩展的源文件必须使用nvcc 编译，nvcc的概要在3.1节。这些扩展允许程序员像定义C函数一样定义内核和在每次内
二、1、指令调度，对于多条指令怎样调度让他们运行更快。对于有冲突的两条指令，采用寄存器重命名技术。 2、指令重排 乱序执行，为了获取最大的吞吐率。 增大功耗 增加芯片面积。 3、缓存，容量越大速度越慢。把数据放在尽可能接近的位置。时间邻近性 空间邻近性。CPU芯片里，缓存就占了很大位置。 4、CPU内部的并行指令级并行、数据级并行(矢量)、线程
目录CPU与GPU比较CPU+GPU工作流CUDA介绍CUDA、cuDNN和Pytorch三个框架的关系 CPU与GPU比较之前有听过一个比喻说，CPU里面的核心像是一个博士生，能完成高级运算，算得也快，但是所有事都得极少的几个人来完成；GPU像是有几千甚至上万的小朋友在里面，虽然每个小朋友能力不强，但是他们也只需要完成加减法计算就可以了。抽象出来就是一个是串行计算，一个是并行计算，都有各自的应
转载
2024-08-22 19:04:42
85阅读
GPU与cuda技术协调深度学习大多进行图像数据的处理和计算，但处理器的CPU大多需要处理，因此无法满足图像处理和计算速度的要求。 显卡GPU是来帮助CPU解决这个问题的。 GPU特别擅长处理图像数据，CUDA (计算机统一设备体系结构)是显卡制造商CUDA是NVIDIA推出的通用并行计算体系结构，GPU复杂， 包括CUDA指令集体系结构(ISA )和GPU内部的并行计算引擎，通过安装CUDA可以
转载
2024-03-13 14:57:59
2679阅读
一、参考资料NVCC学习笔记NVIDIA GPU 架构演进二、相关概念2.1 dGPUdGPU（discrete GPU），独立显卡。2.2 FLOPS（Floating-point operations per second）每秒浮点运算次数（亦称每秒峰值速度）是每秒所运行的浮点运算次数；一个MFLOPS（megaFLOPS）等于每秒一百万（10^6）次的浮点运算； 一个GFLOPS（gigaF
网上教程很少，但是想用PCL GPU功能，于是决定自己踩坑，我有几个不同的环境组合：(1)win10+cuda10.0+gtx1060+vs2019+PCL1.11.1+cmake3.18.5（失败）(2)win10+cuda11.2+gtx1060+vs2019+PCL1.11.1+cmake3.18.5（成功）(3)win11+cuda11.2+rtx4060+vs2019+PCL1.11.1
1、nvidia与cuda需要满足关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html/2、cuda与cudnn需要满足关系：https://developer.nvidia.com/rdp/cudnn-archive 深度学习离不开GPU，不过一直以来对GPU和CPU的差别，CUDA以及cuDNN都不
转载
2024-05-19 07:59:31
47阅读
# Ubuntu 上检查 Docker 实例的数量
在当今的开发环境中，Docker 已经成为了容器化应用程序的重要工具。无论是在本地开发环境，还是在生产环境中，了解你正在运行多少个 Docker 实例是非常重要的。这篇文章将为你介绍如何在 Ubuntu 系统中检查当前运行的 Docker 实例的数量，并提供一些代码示例来帮助你上手。
## 什么是 Docker？
Docker 是一个开源的
在显卡型号为GTX1050Ti的Win10笔记本上安装CUDA9.0，并运行相应的测试程序来检测安装是否成功。1. 环境与依赖环境：操作系统：windows10; 显卡：GTX1050Ti notebook.依赖：(1). VS2017CUDA8.0之后的版本支持VS2017。darknet是使用VS2015编译的，官网提供的编译教程也是基于VS2015的，但VS都是向下兼容的，安装相应
转载
2024-07-12 07:32:16
326阅读
1、为什么要装CUDA，CUDNN：先来讲讲CPU和GPU的关系和差别吧。截图来自（CUDA的官方文档）： 从上图可以看出GPU（图像处理器，Graphics Processing Unit）和CPU（中央处理器，Central Processing Unit）在设计上的主要差异在于GPU有更多的运算单元（如图中绿色的ALU），而Control和Cache单元不如CPU多，这是因为GPU在进行并行
转载
2024-04-16 17:23:18
236阅读
问：什么是CUDA？答：CUDA 是 NVIDIA 的 GPGPU 模型，它使用 C 语言为基础，可以直接以大多数人熟悉的 C 语言，写出在显示芯片上执行的程序，而不需要去学习特定的显示芯片的指令或是特殊的结构。问：NVIDIA公司为何开发CUDA？答：以前大家都听说过GPGPU，就是通用用途的GPU，GPU随着3D图形处理 越来越复杂，GPU规模也越来越大，后来GPU从计算角度来说，性能提升比C
转载
2024-08-21 08:54:46
93阅读
文章目录前言一、安装Anaconda及环境配置 1.Anaconda安装 2.Anaconda环境配置二、安装pycharm及配置解释器 1.简介 2.下载并安装pycharm 3.配置python解释器三、安装Pytorch+cuDNN（CPU版或者GPU版） 1.简介 2.查看自己电脑是否有显卡 3.安装Pyto
1.CPU与GPUCPU和GPU之所以大不相同，是由于其设计目标的不同，它们分别针对了两种不同的应用场景。主要区别如下： CPU需要很强的通用性来处理各种不同的数据类型，同时又要逻辑判断又会引入大量的分支跳转和中断的处理。这些都使得CPU的内部结构异常复杂。而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。其中上图中绿色的是计算单元，橙红色的是存储单
转载
2024-05-25 11:30:52
71阅读
GPU架构SM（Streaming Multiprocessors）是GPU架构中非常重要的部分，GPU硬件的并行性就是由SM决定的。以Fermi架构为例，其包含以下主要组成部分：CUDA coresShared Memory/L1CacheRegister FileLoad/Store UnitsSpecial Function UnitsWarp SchedulerGPU中每个SM都设计成支持
转载
2024-07-19 15:17:14
169阅读
GPU 的硬件基本概念Nvidia的版本： 实际上在 nVidia 的 GPU 里，最基本的处理单元是所谓的 SP(Streaming Processor)，而一颗 nVidia 的 GPU 里，会有非常多的 SP 可以同时做计算;而数个 SP 会在附加一些其他单元，一起组成一个 SM(Streaming Multiprocessor)。几个 SM 则会在组成所谓的 TPC(Texture Pr
转载
2024-07-03 21:41:57
76阅读
1.CUDA对应的NVIDIA驱动版本对照表，参考一下表格2.显卡驱动安装，参考这里我这里选择安装的显卡驱动是NVIDIA-Linux-x86_64-410.78.run，安装是否成功，可以输入这个命令nvidia-smi，如果有显示GPU信息，那就是安装成功了。3.cuda安装装cuda首先需要降级：sudo add-apt-repository ppa:ubuntu-toolchain-r/t
转载
2024-07-22 12:41:25
2205阅读
