在引入多线程之前首先看一下多任务： 所谓多任务，简单的说就是操作系统同时执行多个任务 真正的多任务是只能在多核CPU上才可以实现的，单核CPU只是切换速度比较快，根本不是真正的多任务并行和并发概念并行：当任务数小于CPU核数，每个任务占用一个CPU核，所有任务真正的一起执行 并发：当任务数大于CPU核数，操作系统通过调度算法，在各个任务之间进行切换，实现多任务"一起"执行，实际上只是切换的速度比较
转载
2023-08-16 17:09:53
187阅读
1.1 概念上
• 对于操作系统来说，一个任务就是一个进程Process，在一个进程内部，要同时干很多事情，就需要同时运行多个子任务，进程内的这些子任务就称为线程Thread
• 操作系统是让各个任务交替执行实现支持多任务的，真正地同时执行多任务需要多核CPU才能实现
转载
2023-07-17 23:42:37
202阅读
文章目录前言一、什么时候使用多线程二、多线程的建立1.def函数后threading调用2.class继承Thread三、多线程注意事项1.线程的级别2.线程的顺序1.插入线程2.线程锁RLock3.条件锁Condition 前言看了多篇其他优秀作者写的pyhton多线程使用教程，收获良多。但为了加深印象和结合工作，本人整理了一下写下如下文章。一、什么时候使用多线程简单来说，就是想同时进行多个任
转载
2023-08-07 10:28:24
114阅读
在“从零开始实现yolox一：数据集类”的测试代码中，使用了多线程导入数据 当使用多线程之后，即便在程序开头使用了np.random.seed(0)来设置种子，但每次得到的结果都不一样。程序如下：import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import torch
f
转载
2024-03-04 02:35:43
81阅读
1. 理解 Pytorch 的张量类型Pytorch中使用的数据结构为张量 - Tensor，可以表示一个标量，一个向量，一个矩阵，或是更高维度的数组。在深度神经网络中，基于Pytorch的相关计算和优化都是在Tensor的基础上完成的。Pytorch中的张量结构与Numpy中的ndarray类似，共有底层内存，因而可以方便地进行相互转化。Numpy仅支持CPU计算，而Pytorch支持GPU计算
转载
2023-08-13 16:15:15
241阅读
python主要是通过thread和threading这两个模块来实现多线程支持 1,thread模块是比较底层的模块，thread 模块提供了低级别的基本功能来支持多线程功能，提供简单的锁来确保同步，推荐使用 threading 模块。 2,threading模块是对thread做了一些封装 (但是python由于GIL（global interpreter lock 全局解释锁）的存在无法使
转载
2023-09-22 10:12:40
118阅读
一、Windows（64bit）下安装pytorch-cpu首先说个题外话，为了日后使用的方便最好是将将conda和pip的软件源修改成清华的源，这样的话，使用conda或者pip安装软件速度会快很多。可使用如下指令进行设置:（当然只是建议，与本次pytorch的安装无关，pytorch都是直接从官网上下载，速度还挺快）conda config --add channels https://m
转载
2023-09-05 22:02:16
219阅读
2022年5月，PyTorch官方宣布已正式支持在M1芯片版本的Mac上进行模型加速。官方对比数据显示，和CPU相比，M1上炼丹速度平均可加速7倍。哇哦，不用单独配个GPU也能加速这么多，我迫不及待地搞到一个M1芯片的MacBook后试水了一番，并把我认为相关重要的信息梳理成了本文。公众号后台回复关键词：M1，可获取本文jupyter notebook源代码。一，加速原理Question1，Mac
转载
2024-02-18 11:31:20
112阅读
Cornernet代码之pytorch多线程学习源码剖析main()train()页锁定内存守护线程init_parallel_jobs()、pin_memory()信号量附录-源码内容 源码剖析为了多线程，还是老老实实从main()读起。main()在main()里面，其实只需要看training_dbs = [datasets[dataset](config["db"], split=tra
转载
2023-10-13 16:08:21
87阅读
# PyTorch CPU 量化 CPU
在深度学习领域中，模型的大小和计算的效率是非常重要的。为了减小模型的大小和提高计算的效率，我们可以使用量化技术。量化是指将模型中的浮点数参数转换为整数，以减小模型的存储空间和计算量，从而提高模型的运行速度。
PyTorch 是一个流行的深度学习框架，它提供了一种简单而强大的方法来执行模型的量化。在本文中，我们将介绍如何使用PyTorch在CPU上进行模
原创
2023-07-28 07:33:36
873阅读
Win10安装 pytorch【CPU版】一、安装Anaconda二、安装Pytorch-CPU1. 打开 Anaconda Prompt2. 查看conda环境3. 进入 pytorch 环境，安装pytorch4. 到[pytorch官网](https://pytorch.org/get-started/locally/)5. 手动安装方法6. 验证是否安装成功7. vscode配置【笔者是
转载
2023-10-31 20:43:53
0阅读
目录前言1. PyTorch 训练时在第一个 epoch 的最后一个 batch 卡死- 问题描述- 可能的原因- 解决方法2. 使用命令行运行时，卡在第一个 epoch- 问题描述- 原因分析- 解决方法 前言在实际训练中遇到了各种各样的卡住问题，在此总结一下，PyTorch 训练时遇到的卡住停住等问题可以从以下几个方面根据情况具体分析 (参考PyTorch训练时，Dataloader卡死、挂
转载
2023-12-08 20:21:01
552阅读
记录贴，面向小白。方案一使用清华源下载，方案二使用whl文件下载。推荐直接看方案二，可以安装指定版本，下载速度也很快。方案一首先，打开Anaconda Prompt， 输入conda env list或conda info -e, 查看当前所有的隔离环境。 找到你想安装pytorch的环境，激活，我这里选择的是Python3.7，所以activate py37。 这时，前面括号里的base就切换到
转载
2024-04-23 13:36:09
56阅读
适配环境：Python3.8（其他版本需要自行下载对应whl文件）第一步： 检查支持whl文件类型#在cmd中输入以下代码查看自己电脑所支持的whl
python -m pip debug --verbose运行后结果如下：由于我的python版本为3.8，所以支持cp38-cp38-win_amd64的whl文件（一定要注意查看，当初我就是因为没有查看自己电脑支持的whl类型，提起来都是血泪教训
转载
2023-10-05 08:15:42
1269阅读
以前总用的tf框架，现在系统的练习下pytorch，将部分学习记录整理在此，尽量简洁明了，加油。 目录一、步骤1. 先创建个虚拟环境2. 进入虚拟环境3. 在该虚拟环境下安装PyTorch和 torchvision4. 完成。(报错及解决方案见下)二、报错问题及解决方案具体操作(我用的法4，推荐)法1法2法3法4(推荐，会花点时间，安了不少东西)三、补充常用命令列出所有的环境激活环境退出环境切换镜
转载
2023-07-20 20:20:07
331阅读
CPU版pytorch安装针对个人PC不带有GPU显卡，无法用cuda驱动pytorch程序。现在小编已经步入深度学习的过程啦，所谓打工也得扛工具，怎么能逃得过现在最火的pytorch框架的魔掌，这个过程就是我不断在配环境不断报错，各种报错，继续报错，但是不能打败我的，都将让我更加强大！主要参考网站:科学网—Windows10下的Pytorch框架安装（CPU版） 遇到的一些问题：先自己要确定好安
转载
2023-10-11 23:02:09
273阅读
高效的 PyTorch 训练pipeline是怎样的呢？是产生准确率最高模型？还是跑得最快？或是容易理解和扩展？还是很容易并行计算？嗯，以上都是！在研究和生产领域， PyTorch都是一个很好用的工具。从斯坦福大学、 Udacity、 SalelsForce和Tesla等都采用这个深度学习框架清楚的表明了这一点。然而，每个工具都需要投入时间来最高效地使用和掌握它。在使用 PyTorch 两年
转载
2023-09-08 18:00:14
144阅读
See AscendPyTorch模型迁移&调优——模型迁移方法和步骤1.NPU&Davinci硬件架构介绍NPU又叫AI芯片，是一种嵌入式神经网络处理器，其与CPU、GPU明显区别之一在于计算单元的设计，如图所示，在AI Core内部计算单元进一步划分为矩阵运算，向量运算和标量运算。下面详细介绍一下各部分：Cube，负责矩阵运算，每次可完成一个fp16类型的16 * 16与16
转载
2024-04-21 10:05:41
304阅读
详细教程跳转python3.6也快要退出历史舞台了，目前推荐python3.8python3.8版的conda、torch-cpu、torchvsion-cpu链接：https://pan.baidu.com/s/1cmQecI0bquIEL79GuhFc0Q 提取码：1234python环境建议使用我用的Anaconda3-5.2.0-Windows-x86_64，基于python3.6版，比
转载
2023-07-31 20:49:53
425阅读
# PyTorch 多线程转换到 CPU 的困难
在深度学习和机器学习的应用中，PyTorch 是一个非常流行的框架，因其灵活性和高效性广受欢迎。然而，当我们使用多线程时，可能会遇到将张量（tensor）从 GPU 传输到 CPU 的问题。为了更好地理解这些问题，我们将探索 PyTorch 中的多线程处理以及 CPU 和 GPU 之间的数据传输。
## 什么是 PyTorch？
PyTorc
原创
2024-10-18 03:41:05
58阅读
