摒了N久，终于决定要出手了！月月光的消费习惯使我不得不再等上1-2个月，目前价格在12000左右，港行还能便宜1000左右。同事Mao刚买了一台，说Mac跟PC完全不是一个档次的东西(说得跟神机一样)，包括速度，便捷性，外观，稳定性，甚至还说kiss it every day! 真的有他说的那么好吗？从未接触过Mac的我马上就要验证一下啦！ 配置如下（关于价格和配置大家有什么建议吗？）：
疫情在家炼丹，远程连接实验室实在是不太方便，随意准备用家里的电脑代替，虽然配置不能打，但是写写代码跑跑示例的还是可以的，由于所有的资料文件我都在手里的MacBook里面，所有准备弄一套macOS的黑苹果环境，系统装好后，就是装驱动了，具体如下：注意:由于黑苹果对驱动要求严格，且在macOS High Sierra 10.13.6之后NVIDIA不在对显卡驱动进行支持，所以Mac的版本选择在10.1
1、目前主流方法：.to(device)方法 （推荐）import torch
import time
#1.通常用法
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
data = data.to(device)
model = model.to(device)
'''
1.先创建device
转载
2023-08-31 10:09:45
4610阅读
在使用 macOS 的 Ollama 进行机器学习或深度学习任务时，可能会遇到如何切换 GPU 的问题。本文将详细记录解决这一问题的过程，提供从环境预检到迁移指南的全面信息，助力大家顺利实现 GPU 切换。
### 环境预检
在开始之前，需要确保环境符合以下要求。可以通过思维导图帮助大家更清晰地理解系统需求。以下是关于系统硬件和软件的预检思维导图：
```mermaid
mindmap
在这篇博文中，我将深入探讨如何在 macOS 上使用 Ollama 有效利用 GPU 加速，从而提升模型训练和推理的性能。近年来，随着深度学习技术的快速发展，性能优化变得尤为重要，特别是在资源消耗日益上涨的背景下。以下是我在解决这一问题过程中的记录与思考。
## 背景定位
在当前的业务场景中，我主要面临如何提高文本生成与处理的任务效率。使用 GPU 加速能够显著缩短模型训练时间，提高用户体验。
没想到MAC Air成了我买的第一台苹果电脑。考虑到要做开发，所以配置要尽量高一点，又不愿意背太重的机器，主要是寄希望于SSD硬盘能够解决笔记本开发性能受硬盘转速限制的问题。所以选了Air的高配。当然，价格也因此相当地高。
买之前主要的顾虑是触摸板。因为之前一直用IBM的机器，小红点早已离不开了，怕不习惯。另外以前用过带触摸板的机器，打字的时候手掌难免会不时碰到触摸板，鼠标乱跑，很不爽
在macOS上设置Ollama以利用GPU加速可能会遇到一些挑战。本文将详细描述这一过程，包括背景定位、参数解析、调试步骤、性能调优、排错指南和生态扩展，同时还将添加相关的图表示例，以帮助解决这一技术问题。
### 背景定位
在当今计算密集型应用中，使用GPU来加速模型推理已成为一项重要需求。Ollama作为一种对机器学习模型进行管理和调用的工具，其在macOS系统上利用GPU的能力显得尤为关
# 使用Python指定GPU进行深度学习
在深度学习的实践中，选择合适的GPU进行模型训练是提升性能的关键。默认情况下，TensorFlow和PyTorch等框架可能会自动选择可用的GPU。但有时候，我们需要手动指定某个特定的GPU，以便更高效地使用资源。本文将介绍如何使用Python的OS模块和深度学习框架来指定GPU，同时提供代码示例。
## 确认GPU设备
在开始之前，我们需要确认设
原创
2024-10-05 04:46:08
243阅读
# 如何在 Python OpenCV 中指定 GPU
在计算机视觉领域，OpenCV 是一个流行的开源库，它支持在 CPU 和 GPU 上进行图像处理。为了加快处理速度，许多开发者希望利用 GPU，但新手可能在这方面遇到困难。本文将指导你如何在 Python 中使用 OpenCV 且指定 GPU。
## 整体流程
我们将整个过程分为以下几个步骤，并呈现为表格形式：
| 步骤
转载
2023-07-04 16:29:55
82阅读
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2" # 或 os.environ["CUDA_VISIBLE_DEVICES"] = "0,2,3"（等号右边的双引号可以省略）
转载
2023-05-31 19:12:15
193阅读
在macOS上使用Docker时，Ollama的GPU加速启动受到越来越多开发者的关注。尽管Docker为应用提供了良好的容器化支持，但GPU的使用往往会面临一些问题，尤其是在特定的配置下。这篇博文旨在探讨“macOS Docker Ollama 启动GPU”这种场景所引发的问题，并详细记录问题的解决过程，以帮助其他开发者更有效地使用相关技术。
## 问题背景
在进行机器学习或深度学习模型的开发
内部建模，即使用LAMMPS提供的命令建立模型。这种方法主要用于构建比较简单和标准的体系。相关命令主要有4个：lattice：定义晶格类型；region：定义模拟盒子的大小；create_box：创建模拟盒子；create_atoms：在模拟盒子中创建原子。当然，创建模型不仅限于这些命令，还有一些其他的命令，比如delete_atoms等。事实上，我看到有些大牛仅仅使用LAMMPS的内置命令，就建
后面的不用看了，直接看最省事版本： 直接用CUDA_VISIBLE_DEVICES="2,3"指定多卡就可以，也可以给sh文件传参进去。但是，切记！切记！切记！sh文件里不能有空行，尤其是使用反斜杠 \ 连接多行的时候，
转载
2024-03-24 08:52:37
925阅读
因为LZ是使用GPU服务器跑TensorFlow，而TensorFlow默认的是占用所有GPU，于是为了不影响其他同学使用GPU，于是就试验和总结了一下TensorFlow指定GPU的方法。。环境系统：Ubuntu14.04TensorFlow：v1.3GPU 8个GTX1080，第一列的0~7的数是GPU的序号一.设置指定GPU1.一劳永逸的方法，直接在~/.bashrc中设置环境变量 CUD
转载
2024-05-07 13:13:33
819阅读
笔记本电脑外接显示器 卡 If you use a MacBook, you can add an external display to give yourself more screen real estate. A second display can really help your productivity and make everything feel 
转载
2024-10-14 06:48:03
87阅读
今天在阿里云上申请了一个深度学习服务器，碰到了很多坑，在网上查了好多资料，大都是自己电脑可以别的电脑就不可以的那种，整合了多个博客的文章才把环境配置好，现在写一个完整的配置方案，以后用起来就方便多了，也供大家参考。一、首先安装nvidia驱动：***在官网上查找符合自己gpu的驱动：http://www.nvidia.com/Download/index.aspx，选择合适的版本下载。 更新系统源
转载
2024-05-01 11:33:01
210阅读
# 如何在macOS中指定Java版本
作为一名经验丰富的开发者，我将教你如何在macOS中指定Java版本。以下是整个流程的步骤表格：
| 步骤 | 操作 |
| --- | --- |
| 步骤一 | 检查已安装的Java版本 |
| 步骤二 | 安装所需的Java版本 |
| 步骤三 | 配置Java版本 |
现在，让我们一步步来完成这些操作。
## 步骤一：检查已安装的Java版本
原创
2023-08-01 06:55:04
325阅读
MacOS 并不是原生支持 NTFS 格式的硬盘，默认情况只能读不能写。所以如果要在 Win 系统下和 MacOS 下使用硬盘，要么选择 Fat32 文件格式(不支持4G 以上的大文件)；要么对硬盘分两个区，一个 NTFS 在 Win下使用，一个 HFS 在 MacOS 下使用，HFS 文件系统在 Win 下也是不支持的，需要安装软件(HFS+ for Windows)，也可以选择
转载
2024-06-01 08:09:59
41阅读
前言在数据分析和处理中，经常需要读取外部数据源，例如CSV文件。Python的pandas库提供了一个强大的 read_csv() 函数，用于读取CSV文件并将其转换成DataFrame对象，方便进一步分析和处理数据。在本文中，将深入探讨 read_csv() 函数中的 io 参数，该参数是读取数据的关键部分，并提供详细的示例代码。目录前言什么是read_csv()函数io参数的使用 1
