根据官方文档 http://deeplearning.net/software/theano/install.html#windows来安装theano库会显得比较繁琐，在此介绍一种简洁的配置方式，包含以下4步(以64位Win7环境为例)： 1） 安装TDM-GCC (64位) 2）
1 ATB介绍
Ascend Transformer Boost加速库（下文简称为ATB加速库）是一款高效、可靠的加速库，基于华为Ascend AI处理器，专门为Transformer类模型的训练和推理而设计。
ATB加速库采用了一系列优化策略，包括算法优化、硬件优化和软件优化，能够显著提升Transformer模型的训练和推理速度，同时降低能耗和成本。具体来说，ATB加速库通过优化矩阵乘法等核心
1 什么是算子tiling
在计算机科学和深度学习领域，算子 tiling（有时也被称作操作符 tiling 或者循环 tiling）是一种优化技术，主要用于提高计算效率，尤其是在处理大规模张量运算时。Tiling 技术通常用于将大的计算任务分解成更小的块，这些小块可以在内存中更高效地处理，或者更适合并行计算环境。
在深度学习框架中，算子 tiling 可以应用于不同的场景：
内存优化：通过将大
目录docker和nvidia-docker的区别docker安装docker-nvidia安装使用docker安装gpu版本的pytorch安装JupyterLab （可以选择不安装）命令解读 docker和nvidia-docker的区别nvidia-docker是一个可以使用GPU的docker，nvidia-docker是在docker上做了一层封装，通过nvidia-docker-pl
转载
2024-03-19 20:11:25
44阅读
1 前言
从前文ATB是什么？可知，在Ascend Transformer Boost加速库（ATB）中存在三种类型的算子，那么这三种类型的算子，它们的执行流程是什么，和其它的CANN中的算子有什么区别。带着这些疑问，进入到本文内容。
2 实现一个ATB算子
阅读本文之前，可以先行看下前文
如何使用Ascend的ATB加速库？
对atb的开发流程，有个大概的感知。其大概分为以下10步：
ATB算
1 前言
Ascend Transformer Boost加速库（下文简称为ATB加速库）是一款高效、可靠的加速库，基于华为Ascend AI处理器，专门为Transformer类模型的训练和推理而设计。具体请阅读：ATB是什么？ - 知乎 (zhihu.com)
那么程序猿小白如何实现一个ATB算子呢？
2 具体实现一个ATB算子
以下内容参考：
算子使用指导-加速库使用指导-Ascend T
目录（一）引言（二）更新驱动1下载驱动更新2安装3进行驱动更新（三）安装anaconda3-5.2.0（四）安装tensorflow-gpu1安装tensorflow-gpu环境2安装jupyter3安装tensorflow-gpu4安装pytorch（五）在pycharm中使用tensoflow-gpu1配置新的pycharm环境2创建IDLE快捷方式 资源下载，提取码:vv50 （一）引言最
转载
2024-05-05 08:32:30
157阅读
1.GPU 安装需要从官网https://developer.nvidia.com/rdp/cudnn-download下载cuda 9.0不过官网下载很容易断，我用了百度云来下载，遇到第一个坑。安装过程就是很傻瓜的。（特别注意现在tensorflow不支持9.0,所以我下载用的是8.0），需要VS2015对此路径下的C:\ProgramData\NVIDIA Corporat
原创
2017-11-05 16:40:52
2004阅读
环境：操作系统：Ubuntu 16.04 x64，USB 安装独显：Geforce GTX 1050，本地安装Cuda 10.0 网络在线安装一、安装Geforce GTX 1050 驱动安装1. 英伟达官网下载驱动程序 英伟达官网 http://www.nvidia.cn/Download/index.aspx?lang=cn根据电脑配置选择相应的
转载
2024-05-17 20:18:06
489阅读
前言之前自己没有完整走过深度学习环境配置的流程，总觉得流程很麻烦，很烦人，后来经过几次的折腾，发现其实也没有那么吓人，基本上一遍就过。因此特意记录下自己的配置流程，相信你按照我的流程，也能非常顺利的配置好cuda和cudnn，开始你的深度学习之旅！依赖安装Ubuntu18.04默认安装了gcc v7，而cuda-9.0依赖gcc v6，通过下面命令安装：sudo apt-get install g
转载
2024-07-23 09:32:34
1899阅读
一、环境准备硬件：台式机或者笔记本一台软件：已安装好ubuntu16.04LTS系统注：最好在独立的电脑上做研究和开发，不要使用虚拟机之类的，省的遇到问题，无法解释。以下使用的机台式机是：Z840工作站，显卡为 NVIDIA Quadro P4000二、安装显卡驱动点击“系统设置-->详细信息”，在“图形”看到自己电脑上的显卡。如果“图形”处没有显卡的型号，则需要进行显卡驱动的安装。（NVI
转载
2024-04-23 18:58:11
80阅读
TensorFlow——GPU版本安装参考文章 1.http://blog.sina.com.cn/s/blog_14935c5880102wu86.html 1.winR打开诊断看电脑GPU信息dxdiag 查看电脑GPU版本 https://developer.nvidia.com/cuda-gpus 2.打开NVIDIA控制面板->帮助->组件查看当前显卡支持CUDA Tool
转载
2024-03-08 09:27:21
126阅读
目录前言第一步：安装Anaconda1.下载和安装2.配置Anaconda环境变量第二步：安装CUDA Toolkit + cuDNN1.查看需要安装的CUDA+cuDNN版本2.下载CUDA + cuDNN3.安装 CUDA Toolkit 9.0 和 cuDnn 7.0第三步：安装TensorFlow-GPU1.创建conda环境2.激活环境3.安装tensorflow-gpu第四步：测试前言
转载
2024-07-23 13:26:29
28阅读
首先十分感谢我的老师对我的支持，终于申请到了电脑，现在终于可以在linux系统下载配置tensorflow-GPU加速器了，对于新手说安装过程也是十分’感动’，掉坑无数，希望本文可以给大家带来帮助。步骤一：安装Nvidia显卡驱动 步骤二：下载并安装cuda8.0 步骤三：安装GPU版tensorflow 步骤四：安装atom及其插件 步骤五：测试程序步骤一 ：安装Nvidia显卡驱动 步骤二：下
转载
2024-05-20 12:23:35
472阅读
参考： 1、https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/docker 2、https://tensorflow.google.cn/install/install_linux#installing_with_docker按照以下步骤通过Docker安装TensorFlow：1、按照Docker文档中
转载
2023-11-02 22:45:51
84阅读
这里写目录标题前言本人安装环境查看需要安装Cudnn和Cuda的版本CUDA安装配置CUDA环境检测是否安装完成Cudnn安装将Cudnn相应文件放到CUDA文件去安装tensorflow-gpu找到对应的tensorflow-gpu版本创建tensorflow-gpu环境下载tensorflow-gpu安装过程中出现的错误测试tensorflow是否安装成功 前言在这次装tensorflow-
转载
2024-07-01 21:04:59
128阅读
win10下pytorch-GPU+cuda安装全过程查看独立显卡选择对应型号的cuda安装对应型号的cudnn安装及相应配置conda创建虚拟环境选择清华镜像安装conda下载出现连接超时怎么办安装pytorch将虚拟环境添加至jupyter 查看独立显卡在计算机-管理-设备管理器-显示适配器中（或者任务管理器-性能中），查看是否有独立显卡。
可以看到本机有一个集成显卡和独立显卡NVI
转载
2024-04-22 22:50:14
61阅读
CoreSight SoC-400APB Interconnect Components 与 ATB Interconnect Components 技术详解（整理版）1. APB Interconnect Components1.1 概述CoreSight 调试基础设施通过 AMBA APB3 协 ...
最近，有很多小伙伴问我，如果他们想自己基于MindIE镜像中的文件适配新模型，可以怎么做？
为了实现这个目标，首先需要了解MindIE-LLM模型在推理过程中的代码调用流程，然后根据新模型的算法进行适配。
背景知识
MindIE-LLM组件采用ATB算子构建模型。ATB全称Ascend transformer boost，是一款高效、可靠的加速库，基于华为Ascend AI处理器，专门为Trans
删除、卸载 sudo rm /etc/apt/sources.list.d/cuda* sudo apt-get --purge remove "*cublas*" "cuda*" "nsight*" sudo apt-get --purge remove "*nvidia*" sudo apt-g ...
转载
2021-06-16 00:21:00
312阅读
2评论
