作者：廖星宇 对于人类而言，以前见过的事物会在脑海里面留下记忆，虽然随后记忆会慢慢消失，但是每当经过提醒，人们往往能够重拾记忆。在神经网络的研究中，让模型充满记忆力的研究很早便开始了，Saratha Sathasivam 于1982 年提出了霍普菲尔德网络，但是由于它实现困难，在提出的时候也没有很好的应用场景，所以逐渐被遗忘。深度学习的兴起又让人们重新开始研究循环神经网络（Recurrent N
转载
2024-06-01 06:07:50
51阅读
CNN第一周：title: edge detection example卷积核在边缘检测中的应用，可解释，卷积核的设计可以找到像素列突变的位置把人为选择的卷积核参数，改为学习参数，可以学到更多的特征 title: paddingn * n图片，k*k卷积核，输出图片是( n - k + 1） * ( n - k + 1）n-k+1可以理解padding补零，保持图像尺寸，理解，
其中包含了所需的软件和地址（但可能与我的电脑并不相配，我的GTX1050TI的）Python：这里使用的Python3.6，Anaconda包括了Python和一些相对应的库，非常方便使用，所以这里使用的是相对应的版本为Anaconda3 5.1 WIN10 X64的。https://www.anaconda.com/distribution/#download-section CUDA：这里使用
现在的AI不是什么通用人工智能（AGI），而是一种非常特殊的智能，也就是通过机器学习训练的神经网络系统。 GPT-3.5大概是2021年到2022年之间训练完成的。我们每一次使用ChatGPT，都只是在用这个模型推理，并没有改变它。 GPT-3.5有超过一千亿个参数，将来还会更多。AI模型参数的增长速度已经超出了摩尔定律。搞神经网络非常消耗算力。 AI感受到了人类既不能用理性认知，也感受不到的规律
转载
2024-05-21 11:15:03
92阅读
技术分享：如果您的笔记本在运行虚幻引擎时帧率维持在5帧左右且使用控制台指令t.MaxFPS不管用①首先更换其他项目来查看这个问题是否仍然存在②若存在，则查看项目与引擎设置是否有问题③若没有问题，则应考虑是不是电脑本身有问题，试玩一下3D小游戏来测试是否仍然掉帧④若仍然掉帧则是电脑问题，最好咨询电脑的售后来获取解决方案⑤本人电脑是华硕天选win11系统，通过咨询客服，获取了以下解决方案：【注意事项】
转载
2024-04-29 17:25:34
655阅读
前言最近拿到了一台CPU服务器，准备来跑个大规模的优化问题。CPU服务器的配置是，3990x的U，传说中的线程撕裂者哈哈哈哈哈哈哈，拥有64核和128核心。咱就是说，可激动了。库库准备上来拿来跑个算法，看看我们建立的物理模型咋样。 我用的进化计算的平台是Platemo，这里安利一下Platemo，是安徽大学的田野老师主导的一个matlab编写的进化计算的平台，详情可见github链接https:/
转载
2024-07-24 13:38:52
319阅读
本过程使用的是https://github.com/AlexeyAB/darknet里的文件，先把这个GitHub里的文件下载好，这个github里的readme也都是满满的干货，但是有些细节都没有说，不太适合新手，所以我这篇文章主要是说darknet.exe怎么生成吧，先把图片跑起来想生成darknet.exe文件，首先要用visual studio打开E:\detect\darknet-mas
判断CPU和显卡性能瓶颈我常用的办法是调整游戏分辨率，因为PC游戏中的各种特效有的对CPU影响大，有的对显卡影响大，有的则是对两者都有影响，所以很难判断，但是分辨率这个选项是每一个游戏都有的，而且分辨率高低对CPU的性能影响很小，95%的影响都在显卡这一边，所以我们可以通过调整分辨率大小来判断性能瓶颈。 众所周知，分辨率越高，显卡需要渲染的像素也就越多，帧数也就越低，像2K和4K分辨率下
转载
2023-07-24 06:55:20
861阅读
记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX 3080；CUDA 11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA 11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。1. 待配置环境的版本Pytho
环境：AIX 5.3/WAS6.1
发生故障现象时的截图如下：
问题处理步骤
1、首先通过topas监控可以看到当前占用CPU率较高的那个java进程，记录下进程号：1396916；
&nbs
Adreno GPU上Android 游戏开发介绍（4）如何判断应用的性能瓶颈？关于帧率的问题排查潜在的瓶颈受 GPU 限制的应用程序 如何判断应用的性能瓶颈？关于帧率的问题在开始使用 Snapdragon Profiler 之前，或许你已经清楚的知道有些性能问题需要自己处理。同时，即便你不这样做，也建议检查应用程序的当前整体性能以确定性能瓶颈。帧率是一个理想的起点。游戏通常以每秒 30 或 6
转载
2024-10-09 12:32:50
175阅读
问题描述在使用服务器多核跑程序的时候，需要把核心的程序抽取出来，然后提供迭代参数。然后就可以使用多核去跑程序了。但是在执行的过程中报错如下：Exception has occurred: TypeError unhashable type: 'list'File "/home/LIST_2080Ti/njh/CHB-MIT-DATA/epilepsy_eeg_classification/prep
这个世界真的是很矛盾，一边有人说CPU性能不足，另一边又有人说CPU性能过剩。那么，哪一种说法才是正确的呢？如果说CPU性能不足，但是平常使用电脑工作的时候，好像确实感觉过剩。但是，如果说CPU性能过剩，那么电脑卡顿又是怎么回事？而实际上，如果要判断CPU性能是否过剩，还是要根据具体情况。大家所说的CPU性能过剩，其实是因为在日常生活以及办公的时候，CPU都能轻松满足。即使提升CPU性能，也不会有
转载
2024-06-02 11:16:48
226阅读
Ubuntu18.4+cuda10.0+cudnn+tensorflow+pytorch一.Ubuntu18.4安装：分区划分：efi：200Mswap：内存的1-2倍/:格式为ext4 20-30g/home:格式为ext4二.CUDA安装驱动安装： 进入系统后，系统默认是使用主板上的集成显卡，那么，我们需要做的事就是安装上自己 的独立显卡，也就是titan xp的驱动。此处给大家示范其中一个方
之前文章介绍了在win10安装linux子系统，方便我们跑一些支持Linux环境的开源代码。但如果要用到Nvidia的GPU和CUDA，我们最好找个服务器，目的是方便自己快速训练模型；如果只是想跑跑模型，不训练的话，可以在双系统上配置tensorflow环境（虚拟机实在太慢）。 为什么不在子系统配置呢？最主要的原因是，目前win10支持的linux子系统还比较简单，找不到Nvidia的GPU（给你
转载
2024-10-11 14:39:15
121阅读
作者：英伟达高性能计算
事实上，寄存器数量限制程序性能的案例还是比较少的。
首先您要明确是否真的是此因素导致了您程序性能无法进一步提升。
寄存器影响主要两个方面：active warp 的数量（即occupancy ）和寄存器溢出导致的local memory的传输。
首先看active warp：
什么时候是因为寄存器使用过多导致active warp数量少，导
转载
2024-07-10 05:43:26
253阅读
1. sess.run() hangs when called / sess.run() get stuck / freeze that ctrl+c can't kill process解决： 1 coord = tf.train.Coordinator()
2 threads = tf.train.start_queue_runners(sess=sess,coord=coord) &
在个人PC上使用游戏级的显卡安装CUDA要比在服务器上的安装麻烦一些，在安装的过程中也遇到了不少的坑，所以在此总结一下。系统：Win7+Ubuntu 16.04 ，在Ubuntu下安装的， 显卡：GXT1050ti CUDA8.0为了确保cuda能安装成功，首先需要确认安装前的环境是否符合要求，具体细节请查阅NVIDIA CUDA Installation Guide for Lin
转载
2024-08-23 08:56:48
282阅读
深度学习模型训练速度分析首先深度学习模型的训练速度收到以下几个因素的影响显存大小显卡计算速度及显卡数量数据加载速度
CPU频率及核心数磁盘IO速率数据大小数据处理步骤模型大小下面逐个进行分析：首先是显存大小，这个显而易见，显存大得显卡可以将batch_size的值设置的高，这样同时可以处理的数据量多，速度自然快显卡计算速度和显卡数量因素也很明显，4090的计算速度肯定是比1080ti的计算速
转载
2024-10-08 18:11:50
376阅读
前言深度学习涉及很多向量或多矩阵运算，如矩阵相乘、矩阵相加、矩阵-向量乘法等。深层模型的算法，如BP，Auto-Encoder，CNN等，都可以写成矩阵运算的形式，无须写成循环运算。然而，在单核CPU上执行时，矩阵运算会被展开成循环的形式，本质上还是串行执行。GPU（Graphic Process Units，图形处理器）的众核体系结构包含几千个流处理器，可将矩阵运算并行化执行，大幅缩短计算时间。
转载
2023-08-24 19:57:32
290阅读
