目录UBUNTU 18.04 安装步骤（win10双系统, 双硬盘）UBUNTU 常用指令deb安装包用法（dpkg语句用法）如何打开文本文件（gedit, vim)如何获取ROOT权限文件管理器如何获取usr文件夹的读写权限如何更新源显卡驱动禁用nouveau显卡驱动卸载NVIDIA驱动查看NVIDIA版本/检验卸载是否完成/安装是否成功安装NVIDIA驱动CUDA, CUDNN（可不装）下载
转载
2024-05-06 17:04:25
110阅读
先说一下基本情况，显卡我使用的GTX1070，处理器是i7-7700K。电脑是双系统(WIN10 + Ubuntu16.04.2)，双硬盘 SSD(240GB) + 机械硬盘(2T)。两个系统都安装在SSD上。分的话WIN10可能略大一些吧，如果要在一块硬盘上装双系统的同学，可以根据自己实际情况给两个系统分区。系统安装就不在这详细介绍了，我是先安装的WIN10，然后安装Ubuntu。第一步：gcc
转载
2024-04-08 15:30:47
146阅读
首先，设置系统默认图形设置：设置里面搜 默认图形设置，或者到屏幕->显卡里面找该选项，开启硬件加速GPU计划 将特定程序运行在独立显卡上设置如下1在英伟达控制面板，选中程序用高性能模式2 在WIN11系统，系统-屏幕-显示卡 将程序添加到列表中，选中高性能模式 将特定程序设置成集成显卡独立显卡自动模式，比如EDGE浏览器 1在英伟达控制面板，选中程序
转载
2022-09-20 11:06:00
619阅读
教你从头到尾利用DQN自动玩flappy bird（全程命令提示，GPU+CPU）作者：骁哲、李伟、July前言 我们在上一篇教程《基于torch学汪峰写歌词、聊天机器人、图像着色/生成、看图说话、字幕生成》中说到：“让每一个人都能玩一把，无限降低初学朋友的实验门槛”，那是否能把难度再次降低呢，比如部分同学不熟悉Linux命令咋整，那是不是不熟
1. 安装anaconda ：> 下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
> 安装：一路next即可2. 安装pycharm：> 下载地址：https://www.jetbrains.com/pycharm/
> 安装：一路next即可3. 安装GPU版本的torch或tensorflow的准备
转载
2024-05-24 13:25:15
0阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言步骤1：查看自己电脑的硬件配置步骤2：确定自己需要的TensorFlow-gpu版本步骤3：安装CUDA Toolkit和cuDNN步骤4：安装Anaconda步骤5：在Anaconda中安装python3.6步骤6：在Anaconda的python3.6环境中安装tensorflow-gpu==2.1步骤7：测试总结
转载
2024-08-07 12:19:36
186阅读
利用kaggle提供的免费GPU完成卫星图片识别任务 文章目录利用kaggle提供的免费GPU完成卫星图片识别任务1.数据集的介绍2.将数据集上传到kaggle3.利用tf.data构造输入4.模型的创建与配置5.下载模型在本地导入并用于预测结语 1.数据集的介绍该数据集提供了，两类图片，飞机airplane，和湖(lake)，是属于一个二分类的问题，同时提供的数据都为彩色图，RGB三通道，大小为
转载
2024-03-23 10:35:24
329阅读
本节中我们将展示如何使用多块 GPU 计算，例如，使用多块GPU 训练同一个模型。正如所期望的那样，运行本节中的程序需要至少2块 GPU。事实上，一台机器上安装多块 GPU 很常见，这是因为主板上通常会有多个 PCIe 插槽。如果正确安装了 NVIDIA 驱动，我们可以通过nvidia-smi命令来查看当前计算机上的全部 GPU。In [1]: !nvidia-smiMon Feb 25 19:1
转载
2024-02-22 16:17:09
537阅读
# 如何利用两个GPU训练PyTorch模型
作为一名经验丰富的开发者，我将为你介绍如何利用两个GPU训练PyTorch模型。在这篇文章中，我将向你展示整个过程的步骤，并提供每一步所需的代码和注释说明。
## 整体流程
为了让你更好地理解整个过程，我将使用表格来展示每个步骤。
| 步骤 | 描述 |
| --- | --- |
| 步骤一 | 准备数据和模型 |
| 步骤二 | 配置使用多
原创
2023-12-29 07:26:34
215阅读
正文一、多GPUImageView方案用GPUImage进行多路视频的渲染，有一个非常简单的方案：多个GPUImageView方式，每路视频画面单独渲染。 一路视频对应一个滤镜链，拿到视频数据后进行裁剪，直接显示到对应的GPUImageView上；多个GPUImageView组成多路视频画面，通过改变GPUImageView的坐标可以实现画面拼接的效果。方案很简单，写了一个demo，地址在这里。
# 使用 PyTorch 在两个 GPU 上进行训练
在深度学习领域，处理大型数据集和复杂模型通常需要大量的计算资源。为了解决这个问题，我们可以利用多 GPU 的训练方式来加速我们的模型训练过程。在这篇文章中，我们将探讨如何在 PyTorch 中使用两个 GPU 进行模型训练，并提供相应的代码示例。
## 什么是多 GPU 训练？
多 GPU 训练是将模型同时在多个 GPU 上进行训练的方法
原创
2024-10-19 06:07:43
260阅读
Ubuntu如何正确地切换Intel和Nvidia显卡现在的笔记本电脑通常有两块显卡：Intel集成显卡和Nvidia（英伟达）独立显卡。这篇教程介绍Ubuntu如何正确地切换Intel和Nvidia显卡。你应该使用哪一个显卡？对于玩游戏或3D制图，图形计算这样对显卡要求高的任务，你需要使用Nvidia独立显卡。如果你既不玩游戏，不绘制3D制图，也不用图形计
转载
2024-03-15 08:37:02
547阅读
第一次记录自己在学习过程中遇到的问题，本意只是做个记录，若是能帮到遇到相同问题的人那自然更好。佛系交流。目前所在学校的计算机系自己搭建了个GPU Farm，设备是GTX 1080 Ti的，看起来还算ok，但其实细究起来还挺鸡肋的。但是总对于数据量巨大的项目，还是需要跑代码吧，将就着用了。因为资源有限，分配到超过1个gpu需要排队，所以从来没尝试过使用多个gpu。最近由于数据量变大，也急于取得进展，
转载
2024-03-25 18:49:34
135阅读
兴趣尝试，训练一下自己的数据集做图像识别人脸口罩。darknet网络下载下载地址：https://pjreddie.com/darknet/yolov2/ 直接按照步骤，里面有不同yolo版本的基本配置文件，区别是使用什么样的预训练模型就用什么样的weight文件，下载好后直接放在darknet目录下。尝试运行:cd darknet
./darknet detector test cfg/voc
YOLOv5 Lite在YOLOv5的基础上进行一系列消融实验，使其更轻（Flops更小，内存占用更低，参数更少），更快（加入shuffle channel，yolov5 head进行通道裁剪，在320的input_size至少能在树莓派4B上的推理速度可以达到10+FPS），更易部署（摘除Focus层和4次slice操作，让模型量化精度下降在可接受范围内）。
1输入端方法1、Mos
转载
2024-07-19 14:07:46
233阅读
各种笔记本电脑键盘切换键
FN
键的方法
笔记本键盘的：
R.T.F.G.V.B
键都打不出来字
,
打出来就是数字，切换即
开启
/
关闭数字小键盘的方法：按下
fn
键＋
insert
键（按下
fn
键的同时按下
ins
转载
2024-07-12 20:05:06
78阅读
基本命令（linux/shell）基本操作连接服务器查看GPU状态进程管理一键导出环境 / 配置环境复制/移动pip下载很慢虚拟环境condashell脚本串行调参tensorboard可视化训练过程 记录深度学习使用服务器一些常用的shell操作。 基本操作连接服务器ssh username@ipaddress (直接用命令行连接，但scp传文件等必须是linux系统，最开始安了ubuntu
动态IP上网，在有些路由器中又叫做：自动获得IP地址上网、DHCP上网、自动获得等等。大家在设置自己路由器时，注意查找对应的选项。 1、正确连接两个路由器 需要先准备2根网线，一根网线一头连接第一个路由器的LAN接口(即1\2\3\4)，网线另一头连接第二个路由器的WAN接口。 另一根网线用来连接电脑与第二个路由器的LAN接口，连接示意图如下所示。 两
转载
2024-01-20 05:39:34
46阅读
从零开始写一个武侠冒险游戏-6-用GPU提升性能(1)----把帧动画的实现放在GPU上概述我们之前所有的绘图工作都是直接使用基本绘图函数来绘制的, 这样写出来的代码容易理解, 不过这些代码基本都是由 CPU 来执行的, 没怎么发挥出 GPU 的作用, 实际上现在的移动设备都有着功能不弱的 GPU(一般都支持 OpenGL ES 2.0/3.0), 本章的目标就是把我们游戏中绘图相关的大部分工作都
转载
2024-08-06 18:20:42
54阅读
首页最新文章IT 职场前端后端移动端数据库运维其他技术- 导航条 -首页最新文章IT 职场前端- JavaScript- HTML5- CSS后端- Python- Java- C/C++- PHP- .NET- Ruby- Go移动端- Android- iOS数据库运维- Linux- UNIX其他技术- Git- 机器学习- 算法- 测试- 信息安全- Vim
&nb
