最近一直在安装 TensorFlow， 因为一直切换到 Ubuntu 系统比较麻烦，所以就尝试在Windows 系统上进行安装，发现下面这种方法进行安装十分方便。现在记录在这里。1. 可选如果想要安装GPU 版本，继续阅读，如果只想安装CPU 版本，可以跳过这部分a. 安装 CUDA ，根据自己的系统进行安装即可，版本可以从官网进行下载，也可以点击CUDA百度网盘下载, win10系统推荐下载cu
Nerf三维重建Pytorch使用Pycharm运行0基础教程你好！ 这里是“出门吃三碗饭”本人，本文章接下来将介绍如何从0运行2020会议Nerf的Pytorch版本，让你自己动手渲染第一个三维模型。视频解说可以关注B站，搜索 出门吃三碗饭 ，即可找到对应视频（预计11.24更新），另外可以关注《AI知识物语》 公众号获取更多详情信息。 讲解视频链接如下讲解演示视频第一步，理所当然的是获得Ner
用了很久的spyder，一直有一些问题，体验感不是很好：1.自动提示功能不齐全，有时甚至失效2.不能直接本地代码同步到服务器（网上介绍的一种方法我尝试失败....）3.要使用远程服务器的GPU，本地的代码通过xshell上传到服务器之后还要修改一些文件路径（数据），操作太麻烦网上了解了一下，发现pycharm在与服务器同步的功能上比较强大，决定弃用spyder了。自己摸索了很久，终于是成功了，决定
转载
2023-11-29 20:01:18
43阅读
记录：如何跑起来别人开发的django项目第一步：pycharm换成专业版，专业版才支持django 在pycharm专业版中，设置django的环境，设置服务器的一些参数配置，见文第二步： 一键安装requirements.txt里的依赖包 ： pip install -r requirements.txt如何生成项目的requirements.txt的请参考博文 第三步：启动项目 直接点击py
转载
2024-04-29 12:53:19
46阅读
目录如何在GPU上训练pytorch代码？1.需要将哪些数据送入gpu里呢？2. 如何将这三个部分送入gpu呢？如何确认程序是否在GPU上跑——查看GPU使用情况在Python代码中指定GPU设置定量的GPU使用量设置最小的GPU使用量PyTorchGPU利用率较低问题原因： 1.1 GPU内存占用率问题1.2 GPU利用率问题问题原因分析与总结记录：3.1 模型提速技巧如何在GPU上训
转载
2024-05-03 22:37:00
356阅读
Windows下在pycharm中的tensorflow和cuda安装教程需要安装的软件：1、CUDA Toolkit： CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。（只有安装cuda才能让显卡支持tensorflow的运行） 2、cuDNN：是NVIDIA打造
转载
2024-05-06 20:45:12
183阅读
1. 引言如果有人问你 “什么是最快的编程语言?”，你可能会说"肯定不是Python!”其实,Python比我们想象的运行的要快。我们之所以有先入为主的认为Python运行慢,可能是我们平常的误用和缺乏使用技巧知识。接下来让我们看看如何用一些简单的Trick来提高我们程序的运行性能。2. 使用内置函数Python中的许多内置函数都是用C实现的，并且经过了很好的优化。因此，如果熟悉这些内置函数，就可
作者：凌逆战从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大(重要的事情说三遍)的计算量，以至于CPU算不过来，需要通过GPU帮忙，但这必不意味着CPU的性能没GPU强，CPU是那种综合性的，GPU是专门用来做图像渲染的，这我们大家都知道，做图像矩阵的计算GPU更加在行，应该我们一般把深度学习程序让GPU来计算，事实也证明GPU的计算速度比CPU块，但是(但是前面的话都
转载
2024-03-08 08:59:47
118阅读
指令是处理器的语言，这个语言的格式决定了它和外界如何沟通，CPU如此，GPU也如此。 X86的指令是不等长的，1个字节的指令很多，很多个字节的也不少。早期版本的ARM处理器指令都是4个字节，为此曾被当年的手机巨头诺基亚批评占内存太多，聪明的ARM工程师加班加点，短时间内搞出了一套“指令减肥”方案，可以把很多常用指令编码为2个
转载
2024-05-06 15:26:41
117阅读
为方便日常的深度学习模型开发与测试，在自己笔记本上搭建一个深度学习的基础环境，便于学习AI使用。本人使用的笔记本配置是CPU为8代i5，显卡为GTX1060，内存为8G，基本上可满足日常的AI研究与学习。下面将介绍基础环境的搭建配置过程：
1、安装Ubuntu 18.04 （1）安装操作系统 从Ubuntu官网上下载最新的Ubuntu 18.04 LTS
转载
2024-07-24 10:14:56
403阅读
首先需要解释CPU和GPU这两个缩写分别代表什么。CPU即中央处理器，GPU即图形处理器。其次，要解释两者的区别，要先明白两者的相同之处：两者都有总线和外界联系，有自己的缓存体系，以及数字和逻辑运算单元。一句话，两者都为了完成计算任务而设计。两者的区别在于存在于片内的缓存体系和数字逻辑运算单元的结构差异：CPU虽然有多核，但总数没有超过两位数，每个核都有足够大的缓存和足够多的数字和逻辑运算单元，并
转载
2024-05-18 07:26:07
115阅读
利用Google Colaboratory运行本地深度学习代码前提条件一、创建Colaboratory二、连接GPU云服务器查看GPU型号三、将本地项目压缩包上传到谷歌云盘并解压3.1上传3.2 解压绑定GoogleDrive开始解压 最近学习使用了Google免费的GPU云服务器用于训练GitHub上的一个深度学习项目，下面记录一下环境配置过程 前提条件拥有谷歌账号，并注册谷歌云盘（注册登录
转载
2024-04-18 16:32:56
130阅读
第二章：寄存器（CPU工作原理）10让编程改变世界Change the world by program段寄存器 段寄存器就是提供段地址的。 8086CPU有4个段寄存器： CS、DS、SS、ES 当8086CPU要访问内存时，由这4个段寄存器提供内存单元的段地址。 CS和IP CS和IP是8086CPU中最关键的寄存器，它们指示了CPU当前要读取指令的地址。 CS为代码段寄存
Matlab是学术界和业界公认的高级编程语言，其优点在于编程复杂度低，缺点在于for循环的效率极低。为了利用Matlab已有的算法，降低编程复杂度，同时解决for循环效率低的问题，Matlab引入了Mex机制，使得Matlab可以调用C++编写的函数。CUDA是Nvidia推出的并行计算框架，基本遵循了C++语法规则。于是乎出现了Matlab调用CUDA的方法，称之为“MexCuda”。本文就Me
转载
2024-07-31 15:45:59
795阅读
配置docker+vscode远程连接服务器端docker配置（pytorch+gpu）拉取镜像创建并运行容器docker配置换源（可选）安装ssh安装git（可选）vscode配置安装插件Remote - SSH其它插件可能出现的问题其它常用命令scp传送文件docker相关 服务器端docker配置（pytorch+gpu）拉取镜像查询服务器的cuda版本nvcc -V
去官网上查找自己服务
转载
2024-03-20 19:43:52
744阅读
# 如何在PyCharm中运行Java代码
PyCharm是一款功能强大的集成开发环境（IDE），用于开发多种编程语言，包括Java。虽然PyCharm主要用于Python开发，但它也提供了对Java的支持。本文将详细介绍如何在PyCharm中运行Java代码，并提供示例。
## 安装Java开发环境
在开始之前，您需要确保已正确安装Java开发环境。请按照以下步骤进行操作：
1. 打开浏
原创
2024-01-11 07:54:20
4466阅读
前言：ChatGLM2与ChatGLM3区别ChatGLM2与ChatGLM3模型架构是完全一致的，ChatGLM与后继者结构不同。可见ChatGLM3相对于ChatGLM2没有模型架构上的改进。相对于ChatGLM，ChatGLM2、ChatGLM3模型上的变化：词表的大小从ChatGLM的150528缩小为65024 （一个直观的体验是ChatGLM2、3加载比ChatGLM快不少）位置编码从
转载
2024-08-27 21:05:28
115阅读
1、昨日内容回顾计算机五大组成部分（补充）控制器与运算器合称CPU。储存器分内存（临时）与外存（长久）。计算机三大核心硬件CPU，计算机的中枢神经，程序运行必须依靠CPU。内存，容量小，运行速度快，程序的运行在内存中，断电数据即丢失。硬盘，容量大，运行速度慢，数据真正存储的位置，断电数据不消失。PS:程序运行时，CPU将数据从硬盘读取至内存中，在内存中运行。操作系统协调、管理计算机的各部分硬件，程
转载
2024-05-06 17:51:15
206阅读
1,PYTORCH对应它的GPU，tensorflo对应它的GPU，还是可以共用GPU各自对应各自的GPU2,多个CUDA和cuDNN可以在一个电脑上共存吗？可以，查看如下链接：windows下同一个显卡配置多个CUDA工具包以及它们之间的切换_MIss-Y的博客cuda 工具包3，虚拟环境中可以使用GPU吗？如何使用在开始配置GPU环境开始之前，确保安装好了Anaconda，pycharmAna
转载
2023-10-08 15:43:28
21阅读
深度学习怎么跑代码？从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大的计算量，以至于CPU算不过来，需要通过GPU帮忙，今天怎么教大家免费使用GPU跑深度学习代码。深度学习怎么跑代码？Colabortory是一个jupyter notebook环境，它支持python2和python3，还包括TPU和GPU加速，该软件与Google云盘硬盘集成，用户可以轻松共享项目或将
转载
2024-05-09 15:42:24
106阅读
