tensorflow官网中提示Anaconda安装tensorflow的GPU版本的时候需要安装CUDA和cuDNN，安装步骤如下：查看自己显卡算力，推荐算力大于3.5以上安装gpu版本注意CUDA版本与显卡的对应关系，tensorflow-gpu和cuDNN之间版本的对应。版本对应关系具体请参考Tensorflow官网。一些数据如下所示：版本Python 版本编译器构建工具cuDNNCUDAte
转载
2024-03-21 09:34:44
22阅读
1 开发环境电脑系统：Windows 10编译器：Jupter Lab语言环境：Python 3.8深度学习环境：Pytorch2 前期准备2.1 设置GPU 由于实验所用电脑显卡维集成显卡（intel(r) UHD graphics），因此无法使用GPU。# 设置GPU(没有GPU则为CPU)
impo
# 如何将 PyTorch Tensor 保存为 RGB 图像
在计算机视觉领域，我们经常需要将数据以图像的形式保存。特别是使用 PyTorch 处理图像时，Tensor 是一种常见的数据结构。本文将引导你通过一个简单的流程，将 PyTorch Tensor 保存为 RGB 图像。我们将介绍每一个步骤的具体操作，并提供示例代码。
## 流程概览
首先，让我们来看看我们需要遵循的步骤：
|
TensorRT优化原理TensorRT优化方法主要有以下几种方式，最主要的是前面两种。1、层间融合或张量融合----在构建engine阶段完成算子融合（网络层合并）：如下图左侧是GoogLeNetInception模块的计算图。这个结构中有很多层，在部署模型推理时，这每一层的运算操作都是由GPU完成的，但实际上是GPU通过启动不同的CUDA（Compute unified device arch
训练过程中保存模型参数，就不怕断电了——沃资基·索德防止断电重跑，另一方面可以观察不同迭代次数模型的表现；在训练完成以后，我们需要保存模型参数值用于后续的测试过程。所以，保存的对象包含网络参数值、优化器参数值、epoch值等等。一、定义一个容易识别的网络在正式介绍模型的保存和加载之前，我们首先定义一个基本的网络Net，它只包含一个全连接层： class 我将全连接的权重w和偏差b分别设置
转载
2023-10-23 13:02:54
157阅读
在学习和使用Kubernetes（K8S）时，经常会涉及到利用GPU来加速深度学习任务。在现代深度学习框架中，如TensorFlow等，使用Tensor Core GPU可以显著提高模型训练和推理的速度。本文将教你如何在Kubernetes环境中配置和使用Tensor Core GPU。
### 步骤概览
下面是配置和使用Tensor Core GPU的整体流程概览：
| 步骤 |
原创
2024-05-17 09:40:28
146阅读
模型的保存和加载都在系列化的模块下先看保存的更详细的可以参考这里https://pytorch.org/docs/stable/notes/serialization.html#preserve-storage-sharing torch.save()并torch.load()让您轻松保存和加载张量：最简单的就是t = torch.tensor([1., 2.])
torch.save(t, 't
转载
2023-10-11 06:23:50
2418阅读
1、TE技术 全称为Transaction Elimination，也称为智能消除技术，可智能判断图像更新区域，减少内存写入，有效降低功耗，使用该技术能让功耗效率与性能提升约四倍，尤其在4Kx2K的屏幕上。 借助TE智能消除技术，每次GPU在解析一整个区块的颜色样本时，会计算出一个签名，并将各个签名写入到与输出颜色缓冲区关联的列表，下一次渲染到该缓冲区时，在解析各个区块后，
转载
2024-05-18 19:38:41
80阅读
cudatoolkit和cudnn一样可以正常跑深度学习，我觉得这是最简单的方法了，比后面在系统中独立安装CUDA和cuDNN省事的多多多多，下面来看具体的步骤（需要提前安装好Anaconda工具）： 0.查看tensorflow所需的CUDA、cuDNN环境： &
转载
2024-05-13 21:05:31
80阅读
将训练好的模型参数保存起来，以便以后进行验证或测试，这是我们经常要做的事情。tf里面提供模型保存的是tf.train.Saver()模块。模型保存，先要创建一个Saver对象：如saver=tf.train.Saver()在创建这个Saver对象的时候，有一个参数我们经常会用到，就是 max_to_keep 参数，这个是用来设置保存模型的个数，默认为5，即 max_to_kee
转载
2024-01-01 19:54:09
218阅读
摘要：本文介绍了tensorflow的常用函数。1、tensorflow常用函数 操作组操作MathsAdd, Sub, Mul, Div, Exp, Log, Greater, Less, EqualArrayConcat, Slice, Split, Constant, Rank, Shape, ShuffleMatrixMatMul, MatrixInverse, MatrixDet
1 tensor.clone() clone(memory_format=torch.preserve_format)→ Tensor 返回tensor的拷贝，返回的新tensor和原来的tensor具有同样的大小和数据类型。 原tensor的requires_grad=True clone()返回 ...
转载
2021-10-23 18:35:00
1088阅读
2评论
自带的from torchvision.utils import save_imageimg=im_data.dataimg-=img.min()img/=img.max()img*=255img=img.cpu()img=img.squeeze().npimg=img.permute(1,2,0).numpy().astype('uint8')plt.imsave('data...
原创
2021-08-04 10:25:02
1854阅读
# PyTorch图像Tensor相乘
在深度学习中，图像处理是一个非常重要的领域。在处理图像数据时，经常需要进行一些数值计算操作，比如相乘操作。PyTorch是一个流行的深度学习框架，提供了丰富的操作函数和工具，方便我们对图像数据进行处理。
本文将介绍如何使用PyTorch对图像Tensor进行相乘操作。我们将会通过代码示例和详细说明来帮助读者理解这一过程。
## PyTorch简介
P
原创
2024-05-28 03:53:35
35阅读
Tensor的操作Tensor的主要运算操作通常分为四大类：Reshaping operations（重塑操作）Element-wise operations（元素操作）Reduction operations（缩减操作）Access operations（访问操作）重塑操作 在重塑操作上，以如下张量为实例进行演示：import torch
t = torch.tensor([
[1, 1
在flags.py里的worker_gpu参数
原创
2022-07-19 11:53:09
50阅读
很早以前就在使用wuchangchang开发的SiftGPU库，以前就经常出现运行完Sift后程序崩溃的问题，但是一直没有空闲去跟踪这个问题的所在。直到昨天才修正了这个bug。 int GlobalUtil::CreateWindowEZ()
{
static LiteWindow window;
return CreateWindowEZ(&
TensorRT能加速模型吗？能！根据官方文档，使用TensorRT，在CPU或者GPU模式下其可提供10X乃至100X的加速。本人的实际经验中，TensorRT提供了20X的加速。TensorRT为什么能提升模型的运行速度？TensorRT是英伟达针对自家平台做的加速包，TensorRT主要做了这么两件事情，来提升模型的运行速度。TensorRT支持INT8和FP16的计算。深度学习网络在训练时
搞深度学习的同学肯定一直都在跟ubuntu服务器打交道，无论创建用户，配置远程桌面，远程调试，配置TF或者PT的GPU环境等等，很多都是重复繁琐的步骤，还有可能各种踩坑，笔者就把的一些配置经验整理一下分享给各位。1 英伟达驱动安装拿到一台新的ubuntu服务器，首先安装一下英伟达驱动，建议去官网下载对应GPU版本的驱动文件。这一步我不赘述，很多关于驱动安装的帖子。 安装好显卡驱动之后通过nvidi
转载
2024-09-10 21:07:03
58阅读
深刻理解Tensor的概念/结构及其常见的属性/操作_以Pytorch框架为例Tensor的几个重要的属性/方法1. device：2. data_ptr()3. dtype4. storage()5. is_contiguous()Tensor的操作/manipulation常用的APITensor的数据结构总结References Tensor的几个重要的属性/方法先来看一个例子：# -*-
转载
2024-06-11 21:53:46
178阅读
