GC全称Garbage Collection1、常见垃圾回收算法目前比较常见的垃圾回收算法有三种：引用计数：为每个对象维护一个引用计数，当引用该对象的对象销毁时，引用计数 -1，当对象引用计数为 0 时回收该对象。代表语言：Python、PHP、Swift 优点：对象回收快，不会出现内存耗尽或达到某个阈值时才回收。 缺点：不能很好的处理循环引用，而实时维护引用计数也是有损耗的。标记-清除：从根变量
转载
2024-07-16 07:37:48
64阅读
导读：在开发 golang 程序过程中，go pprof 可以对我们所写的算法甚至整个应用程序做性能分析，帮助我们快速定位效率低或者资源消耗多的地方。Go 提供了 pprof 以及 trace 工具，本文分别介绍这两个工具的简要用法，希望大家能够快速了解以及快速入门 Go 的性能调优。作者 | 谢久阳(昕希)先来一段演练在给大家介绍枯燥的基础知识之前，先来看看一个简单的例子，这个例子简单粗暴，可以
转载
2024-05-22 08:54:12
51阅读
一：直播简介 在线教育，娱乐直播等近几年已是遍地开花，其中核心脱离不了低延时音视频技术。我们抛开互动技术不谈，来了解一下视频直播技术。 采集： Windows（dshow，dsound）， ios，mac（AVFoundation，AVCaptureSesssion）， android（Camera，AudioRecord），Linux（v4l2） 
上一篇博客介绍了如何使用Theano+logistic regression来实现kaggle上的数字手写识别，文末提到了CPU计算实在太慢，因此在做完这个实验之后，博主查阅了Theano的文档，了解到Theano官方仅支持CUDA进行GPU运算，不支持OpenCL，也就是说Theano官方仅支持N卡。原因是，CUDA和OpenCL是两个GPU计算平台，CUDA仅支持N卡，OpenCL支持所有的显
异构计算（Heterogeneous computing）异构计算（Heterogeneous computing）技术从80年代中期产生，由于它能经济有效地获取高性能计算能力、可扩展性好、计算资源利用率高、发展潜力巨大，目前已成为并行/分布计算领域中的研究热点之一。本文主要介绍了CPU+GPU基础知识及其异构系统体系结构（CUDA）和基于OpenCL的异构系统，并且总结了两种结构的特点，从而对异
转载
2024-05-14 16:30:07
50阅读
上一期我们介绍了CUDA下载安装以及其总结，这一期教大家如何在Anaconda中使用CUDA来进行加速、神经网络依赖cuDNN的下载安装，以及下载和安装Pytorch-GPU安装包的三种方式（conda、pip、轮子）。上一期我们介绍了CUDA下载和安装以及其总结，这一期教大家如何在VS和Anaconda还未下载安装 CUDA 和 Anaconda，点击后面的 1,2 进行跳转：1 ,&
转载
2024-05-09 10:26:53
214阅读
# Python 使用 GPU 运算教程
## 介绍
在现代计算机领域，由于数据量的不断增加以及复杂计算任务的出现，使用图形处理器（GPU）进行运算已经成为一种常见的解决方案。GPU 相比中央处理器（CPU）拥有更多的并行计算单元，因此在处理大规模数据和复杂计算任务时具有更高的计算能力。本教程将向你介绍如何在 Python 中使用 GPU 运算。
## 整体流程
下面是使用 GPU 运算的整体
原创
2023-10-16 10:13:44
775阅读
配置g++6而libtorch-gpu-1.6.0+cuda92+gcc6libtorch-gpu版本下载参考上一篇历史libtorch下载路径（自用）-CSDN博客本机原本为cuda9.0，但是配套的libtorch-gpu只有1.0.0-1.1.0版本支持cuda90，同时gcc版本要求为5，所以升级cuda版本，进行多个cuda版本管理。因为cudnn版本似乎9.0和9.2是一致的，所以偷懒
# Python使用GPU运算
随着深度学习和神经网络等机器学习模型的发展，我们通常需要处理大规模的数据集和复杂的计算任务。为了加速计算过程，许多人开始使用图形处理器（GPU）来进行计算。GPU相对于中央处理器（CPU）在并行计算方面具有更强大的性能，可以大大加快训练模型的速度。
Python作为一种流行的编程语言，也提供了许多库和工具来利用GPU进行并行计算。本文将介绍如何在Python中使
原创
2024-07-02 03:21:59
56阅读
在死磕OpenGL的路上，决定歇一下，再新学习一门语言。最后选中golang，这个号称很牛逼的语言。花了两天时间看了一本书，觉得非常有意思。在C的基础上，吸收了很多其他语言的特性，又大胆突破OO的思想，使用非常简单，让人爱不释手！今天晚上终于有时间折腾一下golang了，决定搭建一个IDE环境，被Xcode宠坏了，现在写代码没补全就觉得很蛋疼。又看了一圈，对比一下，决定选择IntelliJ IDE
转载
2024-09-24 14:20:28
41阅读
tensorflow多GPU并行计算TensorFlow可以利用GPU加速深度学习模型的训练过程，在这里介绍一下利用多个GPU或者机器时，TensorFlow是如何进行多GPU并行计算的。首先，TensorFlow并行计算分为：模型并行，数据并行。模型并行是指根据不同模型设计不同的并行方式，模型不同计算节点放在不同GPU或者机器上进行计算。数据并行是比较通用简便的实现大规模并行方式，同时使用多个硬
转载
2023-08-27 22:39:23
80阅读
一、建立工作区1、搭建好了环境，在编写代码之前，首先应该建立golang的工作区2、在Mac或Linux下，golang的工作区应该设置在$HOME/go，所以要在$HOME目录下创建go目录3、而在Windows下，工作区应该设置在 C:\Users\username\go，所以要在C:\Users\YourName目录下创建go目录4、也可以通过设置GOPATH环境变量，用其他目录来作为工作区
转载
2024-04-24 11:28:06
202阅读
全文3829字，预计阅读时间10分钟。一、前言随着移动端芯片性能的不断提升，在移动端上实时进行计算机图形学、深度学习模型推理等计算密集型任务不再是一个奢望。在移动端设备上，GPU 凭借其优秀的浮点运算性能，以及良好的 API 兼容性，成为移动端异构计算中非常重要的计算单元。现阶段，在 Android 设备市场，高通 Adreno 和华为Mali已经占据了手机 GPU 芯片的主要份额，二者均提供了强
转载
2024-06-14 20:58:35
150阅读
前言最近在研究OpenGL 被各种陌生的名词虐成狗,所以记录下来一些学习知识点供学习和参考.GLSL(OpenGL Shading Language) 是OpenGL的着色器语言,纯粹的和GPU打交道的计算机语言.可以理解为C的变种专门针对OpenGL编程,不支持指针等等一些C的特性等. (名词解释:着色器(Shader))GPU是多线程并行处理器，GLSL直接面向单指令流多数据流(SIMD)模型
# Python使用GPU运算代码实现教程
## 整体流程
在使用Python进行GPU运算时，需要安装相应的深度学习框架并配置好GPU环境。下面是实现Python使用GPU运算的详细流程：
```mermaid
classDiagram
class 小白
class 开发者
class 深度学习框架
class GPU环境
小白 --|> 开发者:
原创
2024-06-30 06:25:13
55阅读
使用Windows OLLAMA与GPU进行高效运算的指南
在当今的数据处理和计算任务中，利用GPU来加速计算任务已成为一种趋势。Windows OLLAMA作为一款开源的模型管理工具，正逐渐被更多开发者所熟知。最近，我在使用Windows OLLAMA时遇到了使用GPU参与运算的问题，经过一番探索，下面将分享我的解决思路。
> “我在Windows OLLAMA下运行模型时，发现无法使用GP
1
#include
"
cuda_runtime.h
"
2
#include
"
device_launch_parameters.h
"
3
#include
<
iostream
>
4
转载
2024-03-19 12:51:17
68阅读
1 Colaboratory 介绍Colaboratory 是一个 Google 研究项目，旨在帮助传播机器学习培训和研究成果。它是一个 Jupyter 笔记本环境，不需要进行任何设置就可以使用，并且完全在云端运行。2 搭建 Colaboratory打开谷歌，使用邮箱登陆你的 Google 账号。（没有帐号的使用邮箱注册一个就行）登录 Google 账号之后，在页面右上角的 Google 应用里就
转载
2024-08-12 13:33:47
145阅读
为了提高大规模数据处理的能力，matlab 的 GPU 并行计算，本质上是在 cuda 的基础上开发的 wrapper，也就是说 matlab 目前只支持 NVIDIA 的显卡。1. GPU 硬件支持首先想要在 matlab 中使用 GPU 加速运算，需要计算机配备有 NVIDIA 的显卡，可在 matlab 中运行：>> gpuDevice如果本机有 GPU 支持，会列出 CUD
转载
2017-02-28 15:52:00
1157阅读
2评论
在数据科学和机器学习领域，使用 GPU 执行 OLLAMA 的运算是提升运算效率的重要手段。OLLAMA 是一种便捷的框架，其结合了对 GPU 的支持，能显著加快模型的训练与推理速度。本文将详细介绍在不同环境下，如何准备、集成、配置、应用、排错及优化 OLLAMA，以实现高效的 GPU 运算。
### 环境准备
在进行 OLLAMA 的 GPU 运算之前，需要确保系统环境的设置正确、依赖项安装
