一、TCP客户端(Client) 二、TCP服务器(Server)一、TCP_Client: 1.创建套接字 2.链接服务器（sendto里面的to， tcp为打电话模型，首先且只需拨通一次号码） 3.发送数据（sendto 里面的send， 无需加收件方地址） 4.关闭套接字# TCP_client learning
import socket
def main():
# 1.创建sock
转载
2023-07-03 16:04:03
46阅读
ongpeng2008/LongP...
原创
2023-07-04 18:54:59
179阅读
为语音开发的cntk，做图像如何
原创
2021-08-10 14:10:38
284阅读
This article will focus on some basic information about all of these, and some key points of differentiation to keep in mind which will allow you to choose the best framework for a product or project
转载
2018-03-07 15:25:00
72阅读
2评论
repo 1.0 GitHub 地址：https://github.com/ilkarman/DeepLearningFrameworks我们认为深度学习框架就像语言一样：当然，英语被很多人使用，但每种语言都有各自的用处。我们为几种不同的框架创建了通用的代码，并在许多不同的框架中使用这些语言。我们的想法，是创建一类似外语学习软件 Rosetta Stone 的深度学习框架，让人们自如地使用不同框架
原创
2021-04-04 18:13:27
325阅读
目录前言一、服务器登录1.1 下载安装putty1.2 putty远程登录 1.3 查看GPU、显卡常用命令1.4 Linux常用命令二、Anaconda创建虚拟环境并安装pytorch2.1 安装Anaconda2.2 安装Pytorch三、使用FileZilla拷贝文件至服务器3.1 下载安装FileZilla3.2 使用FileZilla传输文件 四、运行JupyterN
转载
2023-06-28 20:28:24
184阅读
本系列为英伟达GPU入门介绍的第二篇，主要介绍CUDA编程的基本流程和核心概念，并使用Python Numba编写GPU并行程序。为了更好地理解GPU的硬件架构，建议读者先阅读我的第一篇文章。GPU硬件知识和基础概念：包括CPU与GPU的区别、GPU架构、CUDA软件栈简介。GPU编程入门：主要介绍CUDA核函数，Thread、Block和Grid概念，并使用Python Numba进行简单的并行
转载
2023-09-09 21:21:14
169阅读
对于初次使用GPU加速代码的学习者来说，需要在电脑上安装支持GPU加速的部件，分以下三个步骤：安装支持GPU版本的Pytorch（非cpu版本）安装GPU版本的pytorch,在如下地址进入下载：https://pytorch.org/ 请选择好自己的操作系统和CUDA版本，使用图中的命令在Anaconda Prompt中运行‘run this Com
转载
2024-02-07 23:09:28
31阅读
文章目录torch 查看GPUnvidia-smi 详解cuda 用法python -m 参数官方文档解释 torch 查看GPUtorch.cuda.is_available() # cuda是否可用；
torch.cuda.device_count() # 返回gpu数量；
torch.cuda.get_device_name(0) # 返回gpu名字，设备索引默认从0开始；
t
转载
2023-08-09 16:42:55
172阅读
文章目录一、安装Anaconda1.换源2.常用指令二、安装cuda和cudnn1.对应版本2.创建虚拟环境3.激活虚拟环境4.安装cuda4.安装cudnn三、安装tensorflow的GPU版本1.判断是否安装成功四、pycharm配置虚拟环境1.新建项目2.配置环境3.完成创建总结 一、安装Anaconda本文主要通过Anaconda来配置深度学习环境。 可以通过Anaconda官网下载附
转载
2023-08-02 19:19:31
74阅读
今天看到一篇大数据的文章，分析了Python作为机器学习语言的优势，其中提到在2010年python的Theano库在CPU上运行时，其速度是Numpy的1.8倍， 而在GPU上运行时，其速度是Numpy的11倍。 于是乎开始查阅GPU和Theano的相关概念。 以下是Nvidia官网对GPU的文字介绍，视频尤其直观。 GPU 加速的计算是利用一颗图形处理器 (GPU) 以
转载
2023-07-14 18:54:09
215阅读
鉴于多次安装的经历，每次安装都别样的闹心，于是乎，写下这个文档。对相关部分感兴趣的小伙伴可以选择直接选择性欣赏～ Python 环境 ( 通过Anaconda )： Python直接使用了Anaconda创建的虚拟环境。（大家可以在这里选择版本下载：
Index of /anaconda/archive/mirrors.tuna.tsinghua.edu.cn
也可以点击下
转载
2024-08-05 12:48:32
43阅读
python并行计算|pycuda测试、对比及分析增量式学习算法能够同时学习网络的节点与参数，但是随着模型结构的增长，计算成本也越来越高，有两个途径可以减少计算所需的时间成本：（1）研究模型划分方法，将比较大的模型划分成几个较小的子模型；（2）通过提高计算机的计算能力（GPU或CPU）。TX2能够利用CUDA进行GPU并行计算，pycuda作为python的并行计算库，可以方便的实现GPU并行加速
转载
2023-08-21 15:16:35
99阅读
说明在模型训练的时候，往往使用的是多GPU的环境；但是在模型验证或者推理阶段，往往使用单GPU甚至CPU进行运算。那么中间有个保存和加载的过程。下面来总结一下。多GPU进行训练首先设置可见的GPU数量，有两种方式可以声明：在shell脚本中声明：export CUDA_VISIBLE_DEVICES=0,1,2,3在py文件中声明os.environ['CUDA_VISIBLE_DEVICES']
转载
2023-06-14 20:50:02
636阅读
1. TensorRT 的简介和安装TensorRT 是一种基于英伟达硬件的高性能的深度学习前向推理框架，本文介绍使用 TensorRT 在通用 GPU 上的部署流程。本地需先安装 CUDA，以 CUDA11.0、TensorRT-8.2.5.1 为例。首先，去 官网 下载（需先登录）对应的压缩包。Python 安装文件 whl 位于解压后根目录下的 python 文件夹内，pip 安装对应版本即
转载
2023-10-12 13:15:54
564阅读
*本文只适用于win10系统 nvidia显卡*pytorch是基于python的一个深度学习框架，个人觉得比tensorflow好用，绝对不是因为我电脑用tensorflow一直有bug的原因：)使用gpu进行并行计算会比cpu更快(我也不知道为什么)，但是在网络较小的时候据说优势也不是很明显。第一步 安装python点击downloads然后在里面选择windows系统，红
转载
2023-09-18 20:46:50
119阅读
本节详细说明一下深度学习环境配置，Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6。Python 3.6首先安装 Python 3.6，这里使用 Anaconda 3 来安装，下载地址：https://www.anaconda.com/download/#linux，点击 Down
1. keras新版本中加入多GPU并行使用的函数下面程序段即可实现一个或多个GPU加速：注意：使用多GPU加速时，Keras版本必须是Keras2.0.9以上版本from keras.utils.training_utils import multi_gpu_model #导入keras多GPU函数
import VGG19 #导入已经写好的函数模型，例如VGG19
if G <= 1:
转载
2023-11-23 20:17:56
63阅读
首先我们需要下载Anaconda下载完之后打开下图的Anaconda Prompt 接下来是创建虚拟环境-n 后面是你的虚拟环境名称，可以任意更改，python=是你电脑上python的版本型号，这样我们就创建了一个新的环境。 在输入框输入conda env list 就可以查看自己创建的环境，接下来我们需要进入环境。输入 conda activate (环境名称，我的叫gpu
转载
2023-06-28 00:10:24
199阅读
安装OpenCVMxnet在编译的时候依赖Opencv，这里我主要参考了这篇博客。但是我并没有像这篇博客一样将OpenCV安装到虚拟环境，而是直接将其安装到了系统环境下。安装Opencv依赖#安装基本编译工具：
sudo apt-get install build-essential cmake pkg-config
#由于OpenCV是计算机视觉库，总需要加载一些图像文件（ JPEG, PNG,
转载
2023-08-24 23:35:06
80阅读
