CUDA（Compute Unified Device Architecture）的中文全称为计算统一设备架构。做图像视觉领域的同学多多少少都会接触到CUDA，毕竟要做性能速度优化，CUDA是个很重要的工具，CUDA是做视觉的同学难以绕过的一个坑，必须踩一踩才踏实。CUDA编程真的是入门容易精通难，具有计算机体系结构和C语言编程知识储备的同学上手CUDA编
转载
2024-01-05 21:23:40
84阅读
CUDA的安装和环境配置 第一步，首先查看自己的电脑是不是英伟达显卡的，不是的话就装不了！ 第二，电脑上要有visual studio,没有的话，可以登录Csdn—https://msdn.itellyou.cn/这个网址上面下一个， 具体下载那个看自己的需求（建议下个2010版本的） 第三就是下载cuda了：进这个网址https://developer.nvidia.com/cuda-downl
转载
2023-06-30 22:30:28
187阅读
一、CUDA简介1、CUDA简介 CUDA：Compute Unified Device Architecture，统一计算设备架构。CUDA™是一种由NVIDIA推出的通用并行运算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，C
转载
2023-12-13 23:07:25
71阅读
这篇文章写的是之前关于CUDA加速的另外一篇文章没详谈的部分，当时因为嫌麻烦懒得写，最近买了GTX960心情大好！决定把这个坑给填了。 当然由于本人才疏学浅，关于配置这些东西也是一知半解，所以参考了这篇文章，如果看到的朋友觉得本人讲的不好可以参考下那个。 OK，进入主题之前说一下，本篇文章与本文开头提到的那篇有比较强的关联性，如果看的不太明白的话
这周来谈下关于第二周的作业的解析这周本来准备花三天来结束一下第二周的课程，因为觉得第一周还是便简单的，但是第二周的作业确实难到了我。也不能说是难到吧，提出了一个小小的问题可以说。回顾一下第一周，第一周我们提到了machinelearning的最简单的算法，单系数的线性回归，在第二周的时候前几节课稍微扩展了一下线性回归将其变为多系数，当然多系数也没有特别大的变化。之后便留下了一个作业，用matlab
本场 Chat 从基础知识的角度，用大白话对数据科学和机器学习中用到的最重要的优化理论和算法做个小结。本场 Chat 内容如下：优化中涉及的线性代数数学基础优化理论中最常提到的一些定义、定理求解无约束优化问题的常用算法简介线搜索方法简述（梯度下降法、牛顿法等）信赖域方法的数学原理与算法共轭梯度方法（线性 CG、非线性 CG）拟牛顿方法（DFP、BFGS、SR1、BB）最小二乘问题算法概述约束优化理
# 使用CUDA实现多GPU机器学习的指南
在深度学习和机器学习的领域，使用多GPU进行训练已经成为了一种常见的策略，这样可以显著加快训练速度。本文将详细介绍如何使用CUDA和PyTorch（作为示范框架）实现多GPU的机器学习任务。我们将分步讨论整个流程，并用代码示例来加以说明。
## 整体流程
以下是实现“CUDA 多GPU机器学习”的基本流程：
| 步骤 | 描述 |
|------
原创
2024-09-23 06:35:25
97阅读
零教程的基本概述在深度学习蓬勃发展的今天，模型变得越来越深，参数愈加庞大，虽然准确率不断增长，由于硬件受限，对实际场景部署的要求也越来越高，CUDA 编程成为了一门必备的武林绝学。如果你对模型的推理速度有较高要求，如果你有庞大的数据流等待推理，一起跟着教程了解这门技术。该教程目前暂定有以下章节，如有添加将会另行说明： 通过这些教程，可以说初入了 CUDA 编程的世界，基本学会
转载
2023-09-18 13:44:30
140阅读
文章目录1.1 主机和设备1.2 什么是kernel？1.3 设置kernel call参数【核心调用】1.4 CUDA API函数1.4.1 \_\_global\_\_1.4.2 cudaMalloc1.4.3 cudaMemcpy1.4.4 cudaFree1.5 向CUDA传递参数1.5.1 传值1.5.2 传引 Author : Kevin Copyright : Kevin Ren f
转载
2024-06-11 09:54:40
130阅读
CUDA编程的内存管理与C语言的类似，需要程序员显式管理主机和设备之间的数据移动。随着CUDA版本的升级，NVIDIA正系统地实现主机和设备内存空间的统一，但对于大多数应用程序来说，仍需要手动移动数据。对于CUDA内存管理来说，工作重点在于如何使用CUDA函数来显式地管理内存和数据移动，主要是两个方面：分配和释放设备内存；在主机和设备之间传输数据。为了达到最优性能，CUDA提供了在主机端准备设
转载
2024-06-08 09:50:05
110阅读
一、发展互联网的崛起、价廉物美的传感器和低价的存储器令我们越来越容易获取大量数据。加
原创
2022-10-28 09:17:04
104阅读
引言最近在做医疗设备相关的项目，故在项目中大量用到了各类图像分割的算法，为了在图像中分割出特定目标，用到的算法可以有很多，比如阈值分割，多通道分割，边缘分割以及一些前沿的组合分割。而对大多数图像来说，分割的一大难点是将待识别的目标与背景分离，其中一种有效简单的方法就是二值化（并不都有效），本博客试着将二值化算法中的OTSU算法进行cuda改写。任务要求输入一张8bit的灰度图，通过CUDA在GPU
VSLAM方法框架：整个SLAM大概可以分为前端和后端 ，前端相当于VO（视觉里程计），研究帧与帧之间变换关系。首先提取每帧图像特征点，利用相邻帧图像，进行特征点匹配，然后利用RANSAC去除大噪声，然后进行匹配，得到一个pose信息（位置和姿态），同时可以利用IMU（Inertial measurement unit惯性测量单元）提供的姿态信息进行滤波融合后端则主要是对前端出结果进行优化，利用滤
转载
2024-06-17 04:56:41
87阅读
电脑：联想Y9000P2022款，显卡RTX3060本来一直正常使用pytorch，cuda也正常使用，但是今天安装Tensorflw2.x也遇到显卡驱动和CUDA版本和Tensorflow版本不兼容的问题，想更新一下CUDA版本，大体流程在此记录一下。1、查看当前显卡驱动推荐使用哪个版本的CUDA终端输入查看nvidia-smi 右上角能看到 CUDA Version：11.7，即为推
本篇博客主要参考了2017年的在ICLR会议上发表的论文《BI-DIRECTIONAL ATTENTION FLOW FOR MACHINE COMPREHENSION》。所谓机器阅读理解任务，指的就是给一段context描述，然后对应的给一个query，然后机器通过阅读context后，给出对应query的答案。这里做了一个假设，就是query的答案必须是能够在context原文中找到的一段话（
转载
2024-09-20 20:09:28
45阅读
# 机器学习和机器视觉
## 介绍
机器学习和机器视觉是人工智能领域中非常重要的两个子领域。机器学习是让计算机系统通过学习数据和模式来改进性能，而机器视觉则是让计算机系统能够理解和解释图像或视频数据。结合机器学习和机器视觉可以实现许多有趣和实用的应用，比如人脸识别、自动驾驶等。
在本文中，我们将介绍机器学习和机器视觉的基本概念，并通过一个简单的代码示例来说明它们的应用。
## 机器学习
原创
2024-06-28 05:42:37
120阅读
Python Spark 机器学习（一）主要是MLlib包(基于RDD)和ml包(基于DataFrame)的使用Python Spark MLlib 决策树二元分类通过Kaggle上一个题目来实践： StumbleUpon Evergreen Classification Challenge该题目内容是判断一个网页内容是暂时性的(ephemeral)还是长青的(evergreen)，具体内容可以在
转载
2024-07-10 15:23:03
46阅读
I’ve seen some confusion regarding NVIDIA’s nvcc sm flags and what they’re used for:When compiling with
转载
2024-10-24 10:46:58
288阅读
本节书摘来自华章计算机《CUDA C编程权威指南》一书中的第1章，第1.3节，作者 [美] 马克斯·格罗斯曼（Max Grossman），译 颜成钢 殷建 李亮，更多章节内容可以访问云栖社区“华章计算机”公众号查看。1.3 用GPU输出Hello World学习一个新编程语言的最好方法就是使用这种新语言来编写程序。在本节，你将开始编写在GPU上运行的第一个内核代码。像其他任何编程语言一样编写GPU
转载
2024-06-27 19:00:22
106阅读
01 信号卷积一、作业简介 卷积运算是信号与系统分析中的重要运算。 卷积运算包括有连续时间信号的卷积和离散序列的卷积和。 卷积中积分的上下限需要根据参与卷积运算信号的起始和结束时间进行确定， 根据信号波形很容易确定卷积中积分中的上下限。 在第四次作业中第一题，则是要求直接根据公式计算信号的卷积， 这种方式适合于简单不分段无限长的信号计算相应的卷积， 通过这个作业练习也帮助我们掌
