【GPU】图形流水线基础【GPU】逻辑上的模块划分【GPU】部署到硬件【GPU】完整的软件栈前几期我们过了一遍GPU的软硬栈。这次我们将深入GPU图形流水线的一些细节，看看那些不可编程的模块是怎么工作的。对于GPU的图形流水线来说，最核心最重要的一个组件就是光栅化器。它的存在，直接决定了GPU在实时渲染方面的优势。以至于很多时候光栅化就是GPU图形流水线的代称。以前说过，经过vertex shad
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
随着电脑日益进入到我们的生活，它们已经是我们密不可分的伙伴。CPU则是电脑中最重要的部件之一，对系统性能有着决定性的影响。物尽其用，让CPU发挥出系统最大性能，能够更好地为我们服务，何乐而不为呢？
如何让CPU发挥系统最大性能
让系统运行更快，可以通过给CPU“提速”和减少无用系统程序占用CPU资源两种方案解决。一为硬件手段，通过对
转载
2024-03-18 00:00:37
148阅读
ubuntu16.04 + cuda9.1 + cudnn7.1 + OpenCV3.4 + caffe(GPU)
//系统平台：Ubuntu16.04.4 LTS//默认安装cuda9.1+cudnn7.1+opencv3.4+caffe(GPU)//同时测试基本兼容了cuda8.0+cudnn6.0+opencv3.2+caffe(GPU)安装//如
1 前言原料：我有两台电脑，一台是Win10系统的小米笔记本12.5（简称为A电脑），一台是Ubuntu系统的小米游戏本（简称为B电脑）。A电脑没有GPU，没有配置任何深度学习环境；而B电脑的GPU是GTX 1060，配置好了深度学习环境，已经能用CUDA跑代码了。A电脑和B电脑使用的IDE都是VS Code。需求：代码调试：因为B电脑有GPU，我希望能够用A电脑调试B电脑的代码。场景1（远程调试
转载
2024-03-27 10:20:35
314阅读
我使用的YOLO的GPU版本工程是代码链接是：yolo-windows-master，其博客地址是：CPU版本的博客地址是：1、GPU配置，其中yolo使用的GPU版本的，其网上下载的代码基本是用CUDA7.5计算版本的，如果自己系统装的不是这个版本的则会出现加载工程失败，其错误信息如下：此时双击上面的无法加载cuda属性表的错误，这个属性表是我们在安装CUDA时会在系统目录下自动生产相应版本的。
转载
2024-03-25 17:42:25
96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
没GPU也能玩梵高作画：Ubuntu tensorflow CPU版一、前言 9月22号，我们开发/市场团队的两同事利用DL学梵高作画，安装cuda 8.0趟遍无数坑，很多朋友求避坑。因此，3天后的9月25日，便把教程《教你从头到尾利用DL学梵高作画：GTX 1070 cuda 8.0 tensorf
转载
2024-08-30 14:07:56
102阅读
在使用 PyTorch 进行深度学习任务时，GPU 加速可以显著提高模型训练和推理的性能。然而，当我们需要将 GPU 上的 tensor 转换到 CPU 上进行处理时，了解如何顺利完成这一过程至关重要。接下来，我将详细记录解决这一问题的过程，涵盖环境准备、分步指南、配置详解、验证测试、优化技巧和扩展应用。
## 环境准备
为了顺利进行 tensor 的转换，我们首先需要准备适合的环境。在这里，
怎样识别哪些地方需要重构代码？个人觉得应该有两个层次。第一个层次是直观感觉。例如当你看到很多相似的代码时，肯定是代码的复用没有做好，应该从加强代码复用；当你看到很多全局变量，应该是数据的隐蔽性没有做好，应该需要加强数据隐蔽性；当你看到没有使用类，而是结构体，应该需要加强类的使用频率，因为这样才会对于继承、数据保护、多态、设计模式等高阶的应用开发思想进行更大力度的重构。第二个层次是主观分析。这个层次
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
win10 + bazel-0.20.0 + tensorflow-1.13.1 编译tensorflow GPU版本的C++库安装所需软件/库Step1. 安装vs2015，CUDA 10.0和cuDNN 7.6Step2. 安装msys2Step3. 安装bazelStep4. 下载编译所需文件（tensorflow源码及其他文件）Step5. 使用powershell进行配置与编译Step
转载
2024-07-25 11:42:17
216阅读
将作为一名程序员，进一步确定的目标是成为一个架构师，那么能耗必须考虑。 写代码与能耗的关系不言自明，现在假设将网络视频监控的监控识别算法放在客户端，既不利于算法的保护，也不利于算法的优化，更不利于降低能耗。 谈到能耗，每一台服务器都是吃电器，如果我不是老板，就不考虑耗电的情况，但是如果作为这个公司的一员，也
转载
2024-04-25 15:12:07
120阅读
你可能已经知道在Intel x86计算机中，应用程序的能力是有限的，并且只有操作系统代码才能执行某些任务，但是你知道这是如何真正工作的吗？本文将介绍x86特权级别（运行级别），即操作系统和CPU一起合作来限制用户模式程序所能做的事情。有4个特权级别，编号为0(特权最大)到3(特权最小)，以及3个受保护的主要资源：内存、I/O端口和执行某些机器指令的能力。在任何给定的时间，x86 CP
对于程序员来说，工欲善其事，必先利其器，毕竟电脑是吃饭的家伙，属于生产力工具，每天对着电脑十几个小时，若是电脑不称手，那工作体验就不好，效率也会降下去，所以对自己好一点，买到自己喜欢的，投入回报率也会高很多。那么程序员在选择电脑时需要考虑哪几个方面的因素呢？性能对于程序员来说，如果能做到流畅、快速就已经算是一台性能合格的笔记本了。CPU上最好能选择双核四线程以上的规格，代码编译上也会比较流畅，效率
【如果电脑配置了GPU，那么使用Ubuntu 16.04+caffe+cuda 8.0安装教程】本文是在新安装的Ubuntu16.04上进行Caffe的安装。一、检查自己电脑是否具有GPU通常Caffe在计算时有两种模式可以选择，CPU或GPU，使用GPU处理图像速度会更快，但往往有的计算机没有GPU，配置太低，所以只能选择CPU，作者的电脑不支持GPU，因此选择CPU安装的版本。输入：
lspc
程序员一般喜欢用thinkpad或者Mac，因为价位等方面的因素，还是用thinkpad多点，从事不同研发方向需要的计算机的配置也不太相同，现在开发软件要求的机器配置也和十几年不太一样，那个时候嵌入式刚好是红利期，很多的培训机构呼呼涉足这个领域，那个时期AMD的cpu还能和intel抗衡一下，不像现在有这么大的差异，记得第一家公司属于创业性质的公司，公司配置的电脑是神州牌子的，在上面开发软件，需要
重 叠 GPU 和 CPU 执 行 相对而言，实现GPU和CPU执行重叠是比较简单的，因为所有的内核启动在默认情况下都是异步的。因此，只需简单地启动内核，并且立即在主机线程上实现有效操作，就能自动重叠GPU和CPU执行。 接下来的示例主要包含两个部分：1.内核被调度到默认流中；2.等待GPU内核时执行主机计算。#include <stdio.h>
#include <cuda
转载
2024-02-24 23:04:57
249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
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
