基本命令（linux/shell）基本操作连接服务器查看GPU状态进程管理一键导出环境 / 配置环境复制/移动pip下载很慢虚拟环境condashell脚本串行调参tensorboard可视化训练过程 记录深度学习使用服务器一些常用的shell操作。 基本操作连接服务器ssh username@ipaddress (直接用命令行连接，但scp传文件等必须是linux系统，最开始安了ubuntu
（由于我装的是Ubuntu 12.04 64位 and 32位，我机子是Lenovo Y470，一块集显，一块Nvidia GT 550M，此安装方法验证成功了）1.由于之前刚安装好系统就选择安装了系统推荐的受限驱动。所以得先删除受限驱动。（如果没有装的，可以不执行这个命令）sudo apt-get purge nvidia-current
2.添加bumblebee的源
sudo add-
转载
2024-06-13 17:16:52
160阅读
Nvidia称Optimus是一个革命性的技术，它可以延长笔记本电脑续航时间，同时获得很好的性能。这种技术使得硬件能够自己选择使用那个显卡来计算。一般使用GPU计算的应用、视频、3D游戏等会被安排在高性能的NVIDIA GPU上执行，一些像Office、Web冲浪，电子邮件类似的应用会被安排在集成显卡上执行。 如果你的笔记本有两块显卡，一块是Intel的集成显卡（IGP），一块是Nvidia的独
转载
2024-03-26 16:27:54
204阅读
的一 前言最近写了个又臭又长的代码来验证idea，效果还行但速度太慢，原因是代码中包含了一个很耗时的模块，这个模块需要连续执行百次以上才能得到最终结果，经过实测模块每次执行消耗约20ms，而且两次执行之间没有先后关系，为了保证系统的实时性，我决定将这一部分运算放在GPU上执行。二 环境配置（dirver CUDA + runtime CUDA）要想使用GPU加速计算，首先需要一块性能还可以的Nvi
转载
2024-04-17 15:19:00
139阅读
摘要：分布式系统需要在数据完整、一致性和性能间做平衡。本文系统介绍了处理分布式数据一致性的技术模型，如：Master-Slave，Master-Master，2PC/3PC，经典的将军问题，Paxos，以及Dynamo的NRW和VectorClock的模型。
编者按：数据服务的高可用是所有企业都想拥有的，但是要想让数据有高可用性，就需要冗余数据写多份。写多份的问题会带来一致性的问题
转载
2024-09-21 13:55:03
40阅读
1.OpenCL概念OpenCL是一个为异构平台编写程序的框架，此异构平台可由CPU、GPU或其他类型的处理器组成。OpenCL由一门用于编写kernels （在OpenCL设备上运行的函数）的语言（基于C99）和一组用于定义并控制平台的API组成。 OpenCL提供了两种层面的并行机制：任务并行与数据并行。2.OpenCL与CUDA的区别 不同点：OpenCL是通用的异构平台编程
转载
2024-06-09 10:05:39
102阅读
之前想使用指定的GPU训练模型，查网上的帖子一般是通过设置环境变量来实现的，然后自己试了一下，在debug的时候发现无论怎么弄显示的device都是‘cuda:0’： 也没有多思考，于是就放弃了设置环境变量来指定GPU的方式，改为用以下方式来指定：device =
1 前言原料：我有两台电脑，一台是Win10系统的小米笔记本12.5（简称为A电脑），一台是Ubuntu系统的小米游戏本（简称为B电脑）。A电脑没有GPU，没有配置任何深度学习环境；而B电脑的GPU是GTX 1060，配置好了深度学习环境，已经能用CUDA跑代码了。A电脑和B电脑使用的IDE都是VS Code。需求：代码调试：因为B电脑有GPU，我希望能够用A电脑调试B电脑的代码。场景1（远程调试
转载
2024-03-27 10:20:35
307阅读
# 用GPU跑Python代码的科学探索
在机器学习、深度学习和科学计算的领域中，CPU（中央处理单元）对于执行计算任务一直扮演着重要的角色。但是，随着数据量的增加和计算复杂度的提升，GPU（图形处理单元）的出现为我们提供了一个高效的计算替代方案。GPU的并行处理能力使得它在处理大量数据和复杂的计算时展现了出色的性能。
## 什么是GPU？
GPU最初设计用于处理图形渲染，如3D游戏中的图像
原创
2024-09-29 06:22:26
53阅读
作者：凌逆战从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大(重要的事情说三遍)的计算量，以至于CPU算不过来，需要通过GPU帮忙，但这必不意味着CPU的性能没GPU强，CPU是那种综合性的，GPU是专门用来做图像渲染的，这我们大家都知道，做图像矩阵的计算GPU更加在行，应该我们一般把深度学习程序让GPU来计算，事实也证明GPU的计算速度比CPU块，但是(但是前面的话都
转载
2024-03-08 08:59:47
118阅读
深度学习怎么跑代码？从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大的计算量，以至于CPU算不过来，需要通过GPU帮忙，今天怎么教大家免费使用GPU跑深度学习代码。深度学习怎么跑代码？Colabortory是一个jupyter notebook环境，它支持python2和python3，还包括TPU和GPU加速，该软件与Google云盘硬盘集成，用户可以轻松共享项目或将
转载
2024-05-09 15:42:24
101阅读
教你从头到尾利用DQN自动玩flappy bird（全程命令提示，GPU+CPU）作者：骁哲、李伟、July前言 我们在上一篇教程《基于torch学汪峰写歌词、聊天机器人、图像着色/生成、看图说话、字幕生成》中说到：“让每一个人都能玩一把，无限降低初学朋友的实验门槛”，那是否能把难度再次降低呢，比如部分同学不熟悉Linux命令咋整，那是不是不熟
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言步骤1：查看自己电脑的硬件配置步骤2：确定自己需要的TensorFlow-gpu版本步骤3：安装CUDA Toolkit和cuDNN步骤4：安装Anaconda步骤5：在Anaconda中安装python3.6步骤6：在Anaconda的python3.6环境中安装tensorflow-gpu==2.1步骤7：测试总结
转载
2024-08-07 12:19:36
186阅读
Google Colab，全名Colaboratory，是由谷歌提供的免费的云平台，可以使用pytorch、keras、tensorflow等框架进行深度学习。其GPU为Tesla T4 GPU，有很强的算力，对于刚入门机器学习或深度学习的用户，这个平台是不二之选。 谷歌colab跑github代码AttnGAN详细步骤 深度学习打开colab，连接云端虚拟机配置实验资源（code+dataset
转载
2024-04-26 11:12:21
120阅读
在这个有 4 篇文章的系列中，我们会把 Chrome 浏览器扒个精光 —— 上到浏览器的整体架构，下至页面的渲染规则。如果你对浏览器把代码变成一个具备功能的网站这件事情感到好奇，或者不确定为什么特定的技术会对页面的性能有所改进，那么强烈建议你看完这一系列。在这篇文章中（Part 1），我将介绍一些核心的计算机术语和 Chrome 的多进程架构。友情提示：如果你对 CPU/GPU 的概念很熟悉的话，
将作为一名程序员，进一步确定的目标是成为一个架构师，那么能耗必须考虑。 写代码与能耗的关系不言自明，现在假设将网络视频监控的监控识别算法放在客户端，既不利于算法的保护，也不利于算法的优化，更不利于降低能耗。 谈到能耗，每一台服务器都是吃电器，如果我不是老板，就不考虑耗电的情况，但是如果作为这个公司的一员，也
转载
2024-04-25 15:12:07
120阅读
利用kaggle提供的免费GPU完成卫星图片识别任务 文章目录利用kaggle提供的免费GPU完成卫星图片识别任务1.数据集的介绍2.将数据集上传到kaggle3.利用tf.data构造输入4.模型的创建与配置5.下载模型在本地导入并用于预测结语 1.数据集的介绍该数据集提供了，两类图片，飞机airplane，和湖(lake)，是属于一个二分类的问题，同时提供的数据都为彩色图，RGB三通道，大小为
转载
2024-03-23 10:35:24
324阅读
目录UBUNTU 18.04 安装步骤（win10双系统, 双硬盘）UBUNTU 常用指令deb安装包用法（dpkg语句用法）如何打开文本文件（gedit, vim)如何获取ROOT权限文件管理器如何获取usr文件夹的读写权限如何更新源显卡驱动禁用nouveau显卡驱动卸载NVIDIA驱动查看NVIDIA版本/检验卸载是否完成/安装是否成功安装NVIDIA驱动CUDA, CUDNN（可不装）下载
转载
2024-05-06 17:04:25
110阅读
# 使用Python创建两个DBA同时运行的窗口
在许多开发场景中，尤其是数据库管理时，同时运行多个数据库实例（DBA - Database Administrator）是常见的需求。本文将指导你如何使用Python创建并运行两个DBA窗口。通过下面的步骤，你将能够顺利实现该目标。
## 整体流程
我们将整个过程分为以下几个步骤：
| 步骤 | 描述
PyTorch 之所以会成为和 Tensorflow 并驾齐驱的两大深度学习框架，除了 PyTorch 有极其好用的动态计算图技术外，还在于它的相对开放和自由。此外，PyTorch 还添加了对C/C++/Java等语言的支持，这意味着我们可以先通过Python调试好模型后，再把模型送到 C/Java 为主的应用环境里，为程序赋能。 接下来的这篇文章将介绍如何在 Ubuntu 环境下部署 C/C++
