对Skinning早有耳闻。但很汗的是，DNN才是我接触过的第一个采用Skinning的项目。所谓Skinning就是实现功能和外观的分离。但由于接触Asp.net不多。看了挺长时间DNN了，现在才对整个Skinning系统有了一定的理解。
在DNN中，所谓的皮肤由两部分组成。即skin和container。由于这是DNN的标志性功能。对这些讲解的文章很多。在/Documents/DotNe
原创
2006-02-19 20:49:00
703阅读
[OpenGL ES 06]使用VBO:顶点缓存 这是《OpenGL ES 教程》的第六篇，前五篇请参考如下链接：
[OpenGL ES 01]iOS上OpenGL ES之初体验
[OpenGL ES 02]OpenGL ES渲染管线与着色器
[OpenGL ES 03]3D变换：模型，视图，投影与Viewport
今天分享的这篇Paper来自Los Alamos National Laboratory(LANL), Los Alamos国家实验室的项目, 他们提出了新的GPU model, 也是开源项目, PPT-GPU (Performance Prediction Toolkit) GPU model. 预测误差在10%以内, 可扩展, 比GPGPU-Sim快450倍, 而且更精确.Background
转载
2024-05-14 21:55:37
497阅读
也许大家一直很纠结GPU穿透，在网上也看了很多，其实，这样和大家说也许大家就明白了：GPU穿透：一个独立显示器（GPU）对应一个VM；GPU虚拟化：一个独立的显卡最多对应4个VM。话不在多，能表达明白就行。希望对大家有帮助。
原创
2013-08-08 23:59:18
2707阅读
资料来源：头条《人工智能影响力报告》中的人工智能十大热门芯片 iPhone X内部搭载了一颗全新定制的处理器——A11 Boinic，用来承担人脸识别和移动支付的工作负荷。双核心A11芯片运算量能够达到6000亿/s。在智能手机上安装专业化的芯片，意味着主芯片运算量减少，电池寿命提高。 作为AI算法的“摆渡人”，到底有哪些智能芯片被AI热烈追求？ 1、GP
转载
2024-05-04 17:00:45
151阅读
文章目录0. 绪1. GPU相关基础概念2.OpenCL编程基础3. Aparapi编程入门 0. 绪最近项目需要使用GPU进行并行计算，作为不会C++的垃圾只能找Java语言操作的GPU api，目前亲测可使用的有JCuda、JOCL和Aparapi，其中JCuda中支持Nvidia的显卡上，JOCL使用相对Aparapi更麻烦，所以选择了Aparapi…引用： CUDA：https://ww
转载
2024-08-13 16:27:42
749阅读
获取应用程序可使用的 GPU 的数量激活任意可用的 GPU在多个 GPU 上分配显存在多个 GPU 上传入和转出显存数据在多个 GPU 上启动核函数获取多个 GPU 的相关信息如要以运行程序的方式得出可用 GPU 的数量，请使用 cudaGetDeviceCountuint64_t num_gpus;
cudaGetDeviceCount(&num_gpus);如要以运行程序的方式得到当前
转载
2024-04-12 13:23:28
159阅读
GPU最初用在PC和移动端上运行绘图运算工作的微处理器，与CPU集成以集成显卡（核显）的形态发挥功能。NVIDIA于2007年率先推出独立GPU（独显），使其作为“协处理器”在PC和服务器端负责加速计算，承接CPU计算密集部分的工作负载，同时由CPU继续运行其余程序代码。作为独显的GPU由GPU核心芯片、显存和接口电路构成。独GPU与CPU之间通过PCIe总线连接，因而PCIe总线标准直接影响到通
转载
2024-03-26 15:16:03
278阅读
首先纠正一个错误，之前看过的例子里clBuildProgram()倒数第三个option传的NULL，但大神说不要这样，大神说当没有时要用" "，绝对不要用NULL！另外看到即使创建一个CL_MEM_WRITE_ONLY的buffer，虽然在执行kernel时会被写进结果，但在此之前建议最好通过clEnqueueWriteBuffer()将那个buffer先初始化。这个例子里竟然对CL_MEM_W
转载
2024-07-27 16:40:32
121阅读
去年年末，美国国家能源局宣布，橡树岭国家实验室和劳伦斯利弗莫尔国家实验室采用新的超算系统，获得如此“大单”的两家IT公司分别是IBM和NVIDIA。 从官方公布的信息来看，劳伦斯利弗莫尔国家实验室的新超算系统的计算速度将高达100PetaFLOPS（每秒10亿亿次），而橡树岭国家实验室的全新超算系统的计算速度更为惊人，可达150-300PetaFLOPS。这两套系统的计算速度都远超当前的全球
转载
2024-05-11 14:47:16
82阅读
ue4 gpu构建 After working with Machine Learning applications for a while, I was excited to try some Deep Leaning models. Probably the biggest obstable that I faced in getting started was the workflow,
转载
2024-08-06 20:43:53
113阅读
一、WebGPU 基础理论开始篇开始在某种程度上，WebGPU是一个非常简单的系统。它所做的只是在 GPU 上运行 3 种类型的函数：顶点着色器， 片段着色器、计算着色器。顶点着色器计算顶点。着色器返回顶点位置。对于每组 3 个顶点，它返回在这 3 个位置之间绘制的三角形。片段着色器计算颜色。绘制三角形时，对于每个像素要绘制，GPU 会调用您的片段着色器。然后，片段着色器返回颜色。计算着色器更通用
import tensorflow as tf
a = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[2,3],name='a')
b = tf.constant([1.0,2.0,3.0,4.0,5.0,6.0],shape=[3,2],name='b')
c = tf.matmul(a,b)
sess = tf.Session(confi
转载
2017-04-13 12:02:00
230阅读
2评论
上个月PerfDogService商业版正式开启，用户可基于Service组件二次开发自己的PerfDog性能工具或自动化服务，还没体验过的小伙伴可以前往官网申请试用。本次PerfDog迎来了5.0大版本更新，业界首创支持GPU详细信息采集，云端对比报告支持公开分享，适配Android/iOS最新系统等众多更新优化内容上线。快来看看具体的更新内容吧。
版本更新内容【重磅发布】业内首次推
转载
2024-03-08 09:02:04
52阅读
我们下面就继续进一步的, 说说Global Memory的相关优化. 要说对它的优化, 我们得先知道Global Memory是什么, 和很多人的印象里的不同, 它不一定是显存. 还可能是映射的内存. (例如zero-copy时候的手工分配的, 和退化的Unified Memory的情况). 我们主要说一下当Global Memory是显存, 和是zero-copy的情况, 而暂时忽略是退化的Un
近期外媒传出消息指GPU芯片厂商NVIDIA和AMD可能被迫采取措施，对于给中国供应GPU芯片可能出现变化，恰在此时中国有芯片厂商表示已研发出7nm制程的GPU芯片，此举代表着国产GPU芯片的重大突破，NVIDIA和AMD采取措施反而是国产GPU芯片的机会。NVIDIA和AMD是全球独立显卡市场的巨头，在家庭电脑中，普遍都是采用Intel的集成显卡，毕竟家庭电脑使用高性能GPU的需求不强，需要AM
转载
2024-03-22 12:25:48
165阅读
一、并发1、同时执行多个CUDA操作的能力（超越多线程并行）CUDA Kernel <<<>>>cudaMemcpyAsync(HostToDevice)cudaMemcpyAsync(DeviceToHost)CPU上的操作2、Fermi 体系结构可以同时支持（计算能力2.0+）GPU上最多16个CUDA内核2个cudaMemcpyAsyncs（必须在不同方向
转载
2024-04-05 13:06:30
569阅读
1.首先编译FFMpeg tar -xvf ffmpeg-4.2.2.tar.bz2
cd ffmpeg-4.2.2
./configure \--prefix=/home/z/Desktop/ffmpeg-3.4.7/build--enable-cross-compile --arch=aarch64 --target-os=linux --host-os=linux --cross-prefi
转载
2024-03-07 16:25:25
333阅读
以下是一些关于如何加速gazebo仿真的话题。gazebo仿真提速：（无gpu加速）在不考虑用gpu的情况下，肯定首先考虑的是内部调整参数。提高real_time_update_rate当然可以提高仿真速度，但很显然在计算机硬件的限制下，real_time_update_rate提高到一定数值后，对仿真速度提高的作用就不大了。max_step_size（单位是秒）也会显著影响仿真速度，放大max_
转载
2024-04-25 19:16:41
1099阅读
GPU ：主流众核协处理器GPU+CPU的异构并行体系OpenCL： CPU+GPU异构计算架构CUDA：NVIDIA 2007年推出的GPU通用计算产品cuda优缺点：cuda对于已经在cuda上的数据执行起来很快，但数据从cpu搬到cuda上却很耗时，而且依赖硬件。并发性 concurrency ：相对于软件系统硬件支持的并发性叫做并行性并行程序设计模型：任务并行（task paralleli
转载
2024-03-21 09:33:09
69阅读
