1 计算机基础 首先认识什么是CPU（Central Processing Unit），即中央处理器，相当于人类的大脑。内存，临时储存数据，断电即消失。硬盘，可以长久的储存数据，有固态硬盘，机械硬盘之分。2 初识python python的创始人为吉多·范罗苏姆（Guido van Rossum）。1989年的圣诞节期间，吉多·范罗苏姆（中文名字：龟叔）为了在阿姆斯特丹打发时间，决
ollama 为什么用 CPU 不用 GPU
在当今计算资源需求愈发提升的背景下，许多项目在选择适当的计算单元时面临困惑，特别是在像 Ollama 这样的应用程序中，为什么选择用 CPU 而非 GPU呢？接下来，我们将深入探讨这一决策背后的缘由，并对其发展历程和架构设计进行分析，同时也会挖掘一些关于性能和成本的细致信息。
1. 背景定位
在软件开发领域，对性能的追求永无止境。尤其是在机器学习
1. Ubuntu安装 网络上教如何安装ubuntu的文章很多，在这里就不再花时间详细介绍了，本文使用的是ubuntu16.04 LTS版本。针对是使用物理机双系统还是虚拟机的问题，我建议资源允许的情况下可以都装。物理机的运行速度更快，尤其是针对Gazebo中3D显示部分，如果是物理机加上独立显卡，运行更为流畅，适合跑运算量要求较高的算法或者大场景高复杂度的仿真。而虚拟机则更为方便，尤其是初学者
# 如何在 Python 中使用 CPU 而非 GPU：新手入门指南
随着深度学习和科学计算的不断发展，很多开发者开始接触到GPU计算。然而，对于一些初学者来说，可能尚未掌握GPU相关知识，或者根本不需要使用GPU进行计算。在这篇文章中，我们将一起探讨如何在Python中避免使用GPU，转而使用CPU进行计算。以下是我们将要遵循的流程。
## 流程概述
| 步骤 | 描述 | 代码/命令 |
首先是重要参考文章 https://www.jb51.net/article/146555.htm 回头慢慢写 https://www.jianshu.com/p/ea169536850f先明确几个概念，我是为了装GPU加速的pytorch跑神经网络的，结果以为就是装个显卡驱动，事实证明做事前花一分钟想想是必要的。 下面第一步是不需要的（直接安装NVIDIA显卡驱动），当然失败也是收获，讲一下如
转载
2024-02-08 22:32:50
124阅读
# Python画图用CPU还是GPU
Python 是一种通用编程语言，广泛用于数据分析、科学计算和图形处理等领域。在使用 Python 进行画图时，常常会遇到一个问题：是使用 CPU 还是 GPU 更适合画图呢？本文将介绍在 Python 中画图时 CPU 和 GPU 的特点和使用情况，并通过示例代码展示它们的差异。
## CPU vs. GPU
CPU（Central Processi
原创
2024-03-30 05:25:14
265阅读
Python版tensorflow-gpu1.12.0安装说明导语GPU安装环境准备具体步骤1.查看电脑是否支持tensorflow-gpu版本2.安装tensorflow-gpu3.调整protobuf版本4.下载cuda文件5.安装CUDA6.确认cuda安装，替换环境7.运行tensorflow-gpu注意事项及安装失败常见解决方法 导语在学习或者工作中，Python语言由于其简单的编程方
转载
2023-10-29 16:46:41
21阅读
【计算机视觉】关于OpenCV中GPU配置编译的相关事项标签（空格分隔）： 【计算机视觉】前一段发现了OpenCV中关于GPU以及opencl的相关知识，打算升级一下对OpenCV的使用，但是发现从OpenCV官网上下载的都是没有WITH_CUDA这一选项的。于是必须进行OpenCV带CUDA的重编译！下面就记录这一阶段出现的一系列问题。关于OpenCV版本的问题 起初直接尝试使用一直用的Open
转载
2024-05-14 07:18:03
141阅读
老男孩python全栈学习day1第一讲python基础： 1.python起源：python的创始人为吉多·范罗苏姆（Guido van Rossum）。1989年的圣诞节期间，吉多·范罗苏姆（中文名字：龟叔）为了在阿姆斯特丹打发时间，决心开发一个新的脚本解释程序，作为ABC语言的一种继承。 2.python的应用面：pass 3.计算机基础cpu &nb
转载
2024-02-26 19:43:51
5阅读
更新: 1)因为MS把onnxruntime从github迁移到一个独立的网址了，所以下面的一些链接都指向不对了，需要到ONNX Runtime (ORT) - onnxruntime里去找对应的内容，可能是MS自己都对自己的文档组织太乱看不下去了，迁移到独立网址后重新整理了一下，比原来有条理了，但是对于初学者可能还是
搭建基于Keras的yolo3教程参考：windows10+keras下的yolov3的快速使用及自己数据集的训练 本机情况： 系统：Win10 家庭中文版 CPU：i5-8300 8核 8G内存 GPU：GTX 1060 6G独显注意事项git拉取项目后，第一步看下项目的READ.md: 这个在上面教程中并没有说，一定要指定版本，我是使用conda构建python环境： conda create
很多时候，我们是基于python进行模型的设计和运行，可是基于python本身的速度问题，使得原生态python代码无法满足生产需求，不过我们可以借助其他编程语言来缓解python开发的性能瓶颈。这里简单介绍个例子，以此完成如何先基于cuda编写瓶颈函数，然后在将接口通过cpp进行封装，最后以库的形式被python调用。1 cpp+python首先，介绍下如何python调用cpp的代码。这里极力
转载
2023-07-21 19:12:05
70阅读
剧照：约定的梦幻岛(第二季)作者：古明地盆楔子Python 有一个第三方模块：psutil，专门用来获取操作系统以及硬件相关的信息，比如：CPU、磁盘、网络、内存等等。首先我们要安装，直接 pip install psutil 即可，安装之后来看看它的用法。CPU 相关获取 CPU 的逻辑数量importpsutil
print(psutil.cpu_count())# 12获取 CPU 的物理核
环境：tensorRT 6 / tensorRT 7Ubuntu 18.04 CUDA 10.1 一、下载项目yoloV5 项目：地址 二、安装相应环境pip install -r requirements.txt训练关键依赖：Cython
matplotlib
numpy
opencv-python
pillow
PyYAML
scipy
tensorboard
t
转载
2024-04-18 15:48:10
954阅读
换CPU的一些事上个星期被委托帮助升级一台非常卡的台式主机，连开机都要几分钟的那种。由于在下只是个懵懂的新手程序员，对计算机的硬件并不是很了解，所以只能硬着头皮，多请教同学，多百度来解决这个问题了。对症下药，弄清楚性能瓶颈是什么，查看计算机的硬件配置咯，可以看到，CPU是AMD的E350，内存就4G的内存条，但是在32位系统下。。。。 不过如此的卡，根源应该是CPU，所以得去搜搜这个CPU到底如
转载
2024-06-18 14:31:54
0阅读
生成上述视频的命令：./darknet.exe detector demo ../../cfg/coco.data ../../cfg/yolov4-1024.cfg ../../yolov4.weights ~/Desktop/0002-20170519-2.mp4 -thresh 0.2 -ext_output -out_filename ~/Desktop/output.avi原
一、内功心法：知识体系的构建如果你仅仅是想“用”拓扑优化技术解决一个实际的工程问题，那么很显然你并不需要什么知识体系，简单地找一款商业软件（如Optistruct/TOSCA/ABAQUS/ANSYS etc.）然后读一下软件的manual，跟着做几个例子，你就可以出师去干活（搬砖）了。所以如果你是这种情形，那么下面的内容可以不用浪费时间去读了。如果你是拓扑优化方向的研究生或者博士生，
含义NFM模型是将FM与DNN进行融合，通过引入特征交叉池化层将FM与DNN进行衔接，这样就组合了FM的建模低阶特征交互能力和DNN学习高阶特征交互和非线性的能力。 在上一节DEEPFM中，我们已经知道，FM只能将两个特征进行重组，而不能将高阶特征进行重组，并且FM是线性组合，将DNN引入，可以提升FM进行特征交互能力和学习非线性表达的能力。NFM公式 与FM公式相比，红色部分被一个表达能力更强的
在前一阶段的项目中用到了LGB，比起刚开始准备的XGB，结果告诉我LGB速度更快，且准确率更高，鉴于目前各大比赛或者面试中常考这两种算法，总结一下目前两者的区别和联系：xgboost采用的是level-wise的分裂策略，而lightGBM采用了leaf-wise的策略，区别是xgboost对每一层所有节点做无差别分裂，可能有些节点的增益非常小，对结果影响不大，但是xgboost也进行了分裂，带来
1.内存屏障（memory barriers）是一组处理器指令，用于实现对内存操作的顺序限制2.缓冲行（cache line）CPU高速缓存中可以分配的最小存储单位。处理器填写缓存行时会加载整个缓存行，现代CPU需要执行几百次CPU指令3.原子操作（atomic operations）不可中断的一个或一系列操作4.缓存行填充（cache line fill）当处理器识别到从内存中读取操作数是可缓存
