与ubuntu斗争的那些天，install&uninstall之间徘徊，作个总结吧第一部分 首先上电脑配置：真机 9700CPU +RTX2060GPU+技嘉主板（组装机） 目的：双系统win10+ubuntu系统（cuda，cudnn，tensorflow-gpu，pycharm） 由于虚拟机不能最大程度利用硬件资源，比如内存啥的，不符合我的应用场景就弃了。第一次装的是20.04 ，因为
转载
2024-08-26 15:35:13
386阅读
没错，又是我，这期是讲解在电脑上如何安装双系统，双系统我想大家都知道是什么回事吧？就是说一台电脑里具备两个系统，但是只能运行其中一种系统，若想运行另一种系统，首先把现在运行的系统关闭后重启，然后选择进入到另外一个系统，但是两者的本地磁盘是通用的，但是必须是文件系统格式相同才行，否则如windows与苹果系统那样是要装插件才能连通的。还有，可以
目录WSL2WSL2安装运行Docker运行第一个Container WSL2WSL(Windows Subsystem for Linux)可以让开发者们在win10系统中运行Linux环境，包括Linux命令行及应用等，个人感觉WSL和虚拟机很相似。在之前，WSL一直是不支持使用CUDA的，也就是无法用GPU来进行计算。今年6月，Nvidia推出了CUDA on WSL，使WSL中可以使用G
转载
2024-08-27 10:22:42
139阅读
一·多核CPU的运行模式 从软件的角度看，多核处理器的运行模式有 AMP（非对称多处理）、SMP（对称多处理）和 BMP（受约束多处理）三种运行模式。 AMP 运行模式指多个内核相对独立的运行不同的任务，每个内核相互隔离，可以运行不同的操作系统（OS）或裸机应用程序。 SMP 运行模式指多个处理器运行一个操作系统，这个操作系统同等的管理多个内核，如 PC 电脑。 B
新电脑装Ubuntu和windows双系统uefi启动的方法起因买了新电脑想装一个ubuntu双系统，无奈网上各种坑，而且确实跟我的uefi启动不一样，踩了各种坑以后才找到这篇博客，参照这里的做法终于成功装了Ubuntu。还在移动硬盘上面也装了一个。 环境：UEFI+GPT 前面的操作都可以参考以上步骤。关键的分区在这里写一下：注意：（我说一下Linux的分区情况，直接影响到安装成功的关键）一般分
转载
2024-04-06 20:51:52
115阅读
CUDA程序优化的最终目的，是以最短的时间，在允许的误差范围内完成给定的计算任务。在这里，“最短的时间”是指整个程序的运行时间，更侧重于计算的吞吐量，而不是单个数据的延迟。在开始考虑使用GPU和CPU协同计算之前，应该先粗略地评估使用CUDA是否能达到预想的效果，包括以下几个方面:1.精度目前，GPU的单精度计算性能要远远超过双精度计算性能，整数乘法、除法、求模等运算的指令吞吐量也较为有限。在科学
转载
2024-04-13 06:09:30
70阅读
工欲善其事，必先利其器，机器、数据、算法对深度学习都非常重要。1 机器我先后尝试两台机器以及虚拟机，处理速度差距还是很大的。当前配置：i7 6700+gtx1060+16G+240G SSD。至少现在的实验流程可以在一天之内完成，用旧机器可能3天都不一定能完成。cpu对于大部分的计算都是至关重要的，尤其是解码步骤，最为耗时，如果能用上可以超频的cpu，速度会快不少吧。gpu主要可以加速dnn训练，
笔记本电脑自带2块显卡，并且不同牌子的。先我想安装cuda去启动其中一块NVIDA的GPU，就必须要知道它支持什么版本的cudaNVIDIA GeForce MX150 是否支持cuda在Nvidia的支持CUDA的GPU的list上，没有找到这个型号的GPU.https://developer.nvidia.com/cuda-gpus但是在MX150的产品页上看到的是MX150支持CUDA：ht
转载
2024-02-23 13:02:10
70阅读
ollama 双GPU的描述
在AI模型的训练与推理过程中，双GPU的配置逐渐成为了行业中的一种常见需求。尤其是在使用大规模模型时，充分利用双GPU的能力可以显著提升计算性能，降低训练和推理的时间成本。然而，如何有效地配置和使用ollama进行双GPU的运算仍然是许多开发者面临的挑战。本文将从技术定位入手，逐步深入到架构对比、特性拆解、实战对比等多个方面，为大家提供一套完整的解决方案。
##
PyTorch是一个流行的深度学习框架，支持多种计算架构，尤其是GPU计算。在使用双GPU进行训练时，可能会遇到许多问题。下面将详细介绍如何有效地解决“PyTorch双GPU”问题，同时涵盖相关的备份策略、恢复流程、灾难场景、工具链集成、预防措施和最佳实践。
## 备份策略
首先，我们需要设计一个合理的备份策略，以确保我们的模型和数据安全。备份一般包括代码、训练数据和模型权重。
以下是一个
DeepLearning to digit recongnizer in kaggle 近期在看deeplearning，于是就找了kaggle上字符识别进行练习。这里我主要用两种工具箱进行求解。并比对两者的结果。两种工具箱各自是DeepLearningToolbox和caffe。Deeplearnin
转载
2024-10-29 20:25:17
86阅读
硬件组成电源： ——————供电冗余特性: 1. 有备用电源 2. 电池(UPS) 3. 发电机CPU :—————— 处理(运算)任务 发出指令信息 (重点)CPU路数: 服务器中有多少个CPU 单路=1个CPU 双路=2个CPU
CPU核数: 决定了服务器并行(同时)处理任务能力CPU风扇：—————— 皮肤，散热内存： ————————眼睛，存储设备（临时存
什么是顶点数据？ 在计算机中图元的位置是通过x,y,z,w来存储或颜色数据是通过RGBA的数组格式存储的,然后通过多个点来进行图元装配和光栅化出图形.比如三角形3个点使用X,Y,Z表示如下: GLfloat vertex[]={
0.0f,1.0f,1.0f, //x,y,z
1.0f,0.5f,1.0f,
0.0f,0.5
联发科由于掌握着5G方面的众多领先技术，顺着5G的浪潮发布了最新的联发科天玑800处理器，看出联发科现在真的要起飞了，那么这块天玑800到底是什么样的水平呢?下面让小编给您科普下吧。联发科天玑800什么水平?一、天玑800的详细介绍天玑800专为中端市场推出，与骁龙 765处于同一级别。该芯片还配备了7nm工艺，并支持SA / NSA双模5G网络。4个“大核心”高性能核心：天玑800系列性能强劲，
1.简介组织机构：阿里代码仓：GitHub - QwenLM/Qwen: The official repo of Qwen (通义千问) chat & pretrained large language model proposed by Alibaba Cloud.模型：Qwen/Qwen-7B-Chat-Int4下载：http://huggingface.co/Qwen/Qwen-7
转载
2024-10-02 15:05:53
73阅读
CUDA 优化的最终目的是：在最短的时间内，在允许的误差范围内完成给定的计算任务。在这里，“最短的时间”是指整个程序运行的时间，更侧重于计算的吞吐量，而不是单个数据的延迟。在开始考虑使用 GPU 和 CPU 协同计算之前，应该先粗略的评估使用 CUDA 是否能达到预想的效果，包括以下几个方面：精度：目前 GPU&nbs
转载
2024-06-17 22:39:28
185阅读
layouttitlecategoriestagsdatedescription post 笔记：混合精度训练技术报告 2019-04-07 15:12:22 -0700 TF社区中相继出现相关的应用，为了更快的在Pytorch中加入对Volta GPU的支持，并实现针对混合精度训练的优化，NVIDIA发布了Apex开源工具库。
RuntimeError: CUDA out of memory. Tried to allocate 46.00 MiB (GPU 0; 10.76 GiB total capacity; 839.60 MiB already allocated; 24.56 MiB free; 44.40 MiB cached)这个错误花费了一天半左右的时间，心态差点蹦了，还好有神人指导，坚持下来了。错误问题
转载
2023-11-10 17:00:24
65阅读
适用GPU (这个要找个通用的方法，根据显卡、windows系统,找到对应版本的cuda cunn pytorch) 安装 cuda cunn 和显卡型号 都要匹配上，不然会出现莫名其妙的问题，包括 pytorch也要匹配上。注意事项：不同的算法平台，对cuda和cunn的版本需求都不一样，为避免发生乱七八糟的错误，需要保持版本的一致。例如pytorch 与 cuda cunn要保持一致一、介绍c
转载
2024-07-18 23:37:23
204阅读
双显卡一直是Linux系统的难题，关于深度系统的双显卡可以参考深度百科上面的介绍。 一下内容复制自深度百科，主要针对Intel+Nvidia双显卡： 独显切换 安装第三方的Bumblebee程序，可实现NVIDIA Optimus，终端中执行：sudo apt-get install bumblebee-nvidia primus #安装Bumblebee-nvidia(适用于闭源驱动),其
转载
2024-04-02 09:37:41
68阅读
