目录前言一、服务器登录1.1 下载安装putty1.2 putty远程登录 1.3 查看GPU、显卡常用命令1.4 Linux常用命令二、Anaconda创建虚拟环境并安装pytorch2.1 安装Anaconda2.2 安装Pytorch三、使用FileZilla拷贝文件至服务器3.1 下载安装FileZilla3.2 使用FileZilla传输文件 四、运行JupyterN
转载
2023-06-28 20:28:24
184阅读
文章目录torch 查看GPUnvidia-smi 详解cuda 用法python -m 参数官方文档解释 torch 查看GPUtorch.cuda.is_available() # cuda是否可用；
torch.cuda.device_count() # 返回gpu数量；
torch.cuda.get_device_name(0) # 返回gpu名字，设备索引默认从0开始；
t
转载
2023-08-09 16:42:55
172阅读
本系列为英伟达GPU入门介绍的第二篇，主要介绍CUDA编程的基本流程和核心概念，并使用Python Numba编写GPU并行程序。为了更好地理解GPU的硬件架构，建议读者先阅读我的第一篇文章。GPU硬件知识和基础概念：包括CPU与GPU的区别、GPU架构、CUDA软件栈简介。GPU编程入门：主要介绍CUDA核函数，Thread、Block和Grid概念，并使用Python Numba进行简单的并行
转载
2023-09-09 21:21:14
169阅读
对于初次使用GPU加速代码的学习者来说，需要在电脑上安装支持GPU加速的部件，分以下三个步骤：安装支持GPU版本的Pytorch（非cpu版本）安装GPU版本的pytorch,在如下地址进入下载：https://pytorch.org/ 请选择好自己的操作系统和CUDA版本，使用图中的命令在Anaconda Prompt中运行‘run this Com
转载
2024-02-07 23:09:28
31阅读
文章目录一、安装Anaconda1.换源2.常用指令二、安装cuda和cudnn1.对应版本2.创建虚拟环境3.激活虚拟环境4.安装cuda4.安装cudnn三、安装tensorflow的GPU版本1.判断是否安装成功四、pycharm配置虚拟环境1.新建项目2.配置环境3.完成创建总结 一、安装Anaconda本文主要通过Anaconda来配置深度学习环境。 可以通过Anaconda官网下载附
转载
2023-08-02 19:19:31
74阅读
今天看到一篇大数据的文章，分析了Python作为机器学习语言的优势，其中提到在2010年python的Theano库在CPU上运行时，其速度是Numpy的1.8倍， 而在GPU上运行时，其速度是Numpy的11倍。 于是乎开始查阅GPU和Theano的相关概念。 以下是Nvidia官网对GPU的文字介绍，视频尤其直观。 GPU 加速的计算是利用一颗图形处理器 (GPU) 以
转载
2023-07-14 18:54:09
215阅读
1. TensorRT 的简介和安装TensorRT 是一种基于英伟达硬件的高性能的深度学习前向推理框架，本文介绍使用 TensorRT 在通用 GPU 上的部署流程。本地需先安装 CUDA，以 CUDA11.0、TensorRT-8.2.5.1 为例。首先，去 官网 下载（需先登录）对应的压缩包。Python 安装文件 whl 位于解压后根目录下的 python 文件夹内，pip 安装对应版本即
转载
2023-10-12 13:15:54
564阅读
*本文只适用于win10系统 nvidia显卡*pytorch是基于python的一个深度学习框架，个人觉得比tensorflow好用，绝对不是因为我电脑用tensorflow一直有bug的原因：)使用gpu进行并行计算会比cpu更快(我也不知道为什么)，但是在网络较小的时候据说优势也不是很明显。第一步 安装python点击downloads然后在里面选择windows系统，红
转载
2023-09-18 20:46:50
119阅读
本节详细说明一下深度学习环境配置，Ubuntu 16.04 + Nvidia GTX 1080 + Python 3.6 + CUDA 9.0 + cuDNN 7.1 + TensorFlow 1.6。Python 3.6首先安装 Python 3.6，这里使用 Anaconda 3 来安装，下载地址：https://www.anaconda.com/download/#linux，点击 Down
1. keras新版本中加入多GPU并行使用的函数下面程序段即可实现一个或多个GPU加速：注意：使用多GPU加速时，Keras版本必须是Keras2.0.9以上版本from keras.utils.training_utils import multi_gpu_model #导入keras多GPU函数
import VGG19 #导入已经写好的函数模型，例如VGG19
if G <= 1:
转载
2023-11-23 20:17:56
63阅读
说明在模型训练的时候，往往使用的是多GPU的环境；但是在模型验证或者推理阶段，往往使用单GPU甚至CPU进行运算。那么中间有个保存和加载的过程。下面来总结一下。多GPU进行训练首先设置可见的GPU数量，有两种方式可以声明：在shell脚本中声明：export CUDA_VISIBLE_DEVICES=0,1,2,3在py文件中声明os.environ['CUDA_VISIBLE_DEVICES']
转载
2023-06-14 20:50:02
636阅读
鉴于多次安装的经历，每次安装都别样的闹心，于是乎，写下这个文档。对相关部分感兴趣的小伙伴可以选择直接选择性欣赏～ Python 环境 ( 通过Anaconda )： Python直接使用了Anaconda创建的虚拟环境。（大家可以在这里选择版本下载：
Index of /anaconda/archive/mirrors.tuna.tsinghua.edu.cn
也可以点击下
转载
2024-08-05 12:48:32
43阅读
python并行计算|pycuda测试、对比及分析增量式学习算法能够同时学习网络的节点与参数，但是随着模型结构的增长，计算成本也越来越高，有两个途径可以减少计算所需的时间成本：（1）研究模型划分方法，将比较大的模型划分成几个较小的子模型；（2）通过提高计算机的计算能力（GPU或CPU）。TX2能够利用CUDA进行GPU并行计算，pycuda作为python的并行计算库，可以方便的实现GPU并行加速
转载
2023-08-21 15:16:35
99阅读
首先我们需要下载Anaconda下载完之后打开下图的Anaconda Prompt 接下来是创建虚拟环境-n 后面是你的虚拟环境名称，可以任意更改，python=是你电脑上python的版本型号，这样我们就创建了一个新的环境。 在输入框输入conda env list 就可以查看自己创建的环境，接下来我们需要进入环境。输入 conda activate (环境名称，我的叫gpu
转载
2023-06-28 00:10:24
199阅读
大家好，我是Mr数据杨。就像三国时代的各个王国选择了最适合的战略，首先需要做的是Python版本的选择。这就像当时的曹操、刘备、孙权需要选择合适的战略，是否积极扩张还是先稳固自身的基础。同样地，选择最适合的Python版本是第一步。接着来到了NVIDIA配置流程。这有点像诸葛亮给蜀国建立了一套完善的规章制度。也需要配置好硬件环境，让Python可以在NVIDIA显卡上顺畅运行，发挥出最大的潜能。再
转载
2023-07-24 23:45:34
690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
概念解析首先，我们先整理一下：平时在使用一些GPU加速算法是都是在Python环境下执行，但是一般的Python代码是没办法使用GPU加速的，因为GPU是更接近计算机底层的硬件，Python一类的高级语言是没办法直接和GPU沟通的。然后就引出话题的重点：硬件的加速必须使用硬件语言。查询Python+GPU关键字，除了TensorFlow，另外出镜率比较高的几个概念是：Numba、CUDA、PyCU
转载
2023-08-16 17:22:36
207阅读
目录前言一、准备工作1.下载安装PyCharm Professional2. 获得服务器信息二、Pycharm内连接服务器1.连接服务器2.配置Python远程解释器总结前言本次教大家如何在自己的电脑上，通过Pycharm远程使用服务器的计算资源，来运行自己的代码，这样可以节省大量时间。注意！！需要使用PyCharm专业版提示：以下是本篇文章正文内容，下面案例可供参考一、准备工作1.下载安装PyC
转载
2023-10-17 08:28:23
198阅读
GPU版Pytorch最近在搞深度学习，需要用到GPU跑模型了，配置GPU版本的Pytorch是真的烦，而且每个人遇到的问题不一样，网上很多教程也良莠不齐，这里我将自己总结的最简便的配置Pytorch方法分享给大家。1.下载安装CUDA首先需要查看当前电脑显卡CUDA版本： 右键点击图标进入控制面板–>帮助–>系统信息–>组件，出现如下界面，比如我的就是CUDA 10.1版本：
转载
2023-09-05 11:13:21
133阅读
安装OpenCVMxnet在编译的时候依赖Opencv，这里我主要参考了这篇博客。但是我并没有像这篇博客一样将OpenCV安装到虚拟环境，而是直接将其安装到了系统环境下。安装Opencv依赖#安装基本编译工具：
sudo apt-get install build-essential cmake pkg-config
#由于OpenCV是计算机视觉库，总需要加载一些图像文件（ JPEG, PNG,
转载
2023-08-24 23:35:06
80阅读
