数字万用表使用方法：首先要了解一些基础，比如： power 电源开关 HOLD锁屏按键, B/L一般是为背光灯， 其次要了解 转换开关 V-或DCV 是直流电压挡的意思 V~或ACV交流电压挡的意思 A-或DCA直流电流挡的意思 A~或ACA是交流电流挡的意思， Ω是电阻挡的意思，画一个二极管的符号那个是二极管档也称蜂鸣档，F表示电容挡， H表示电感挡 hfe表示三极管电流放大系数测试挡 一般数字
说明最近在学习CUDA，感觉看完就忘，于是这里写一个导读，整理一下重点主要内容来源于NVIDIA的官方文档《CUDA C Programming Guide》，结合了另一本书《CUDA并行程序设计 GPU编程指南》的知识。因此在翻译总结官方文档的同时，会加一些评注，不一定对，望大家讨论指出。另外，我才不会老老实实的翻译文档，因此细节还是需要从文档里看的。看完两份文档总的来说，感觉《CUDA C P
转载
2024-07-26 21:59:29
157阅读
一. 电脑配置如下：写在前面，本机的电脑配置如下：System：windows 10 专业版 （64位）CPU：i5-9400FRAM：16G（2666MHz）显卡：GEFORCE GTX 1660 Ti （万图师 Ti OC）首先，在安装之前需要查看显卡所能支持的最高CUDA版本，打开【NVIDIA控制面板】，选择左下角的【系统信息】选项，并点击【组件】按钮进入到如下界面：从图中我们可看出，GT
转载
2024-09-05 07:06:34
263阅读
最近在学习JAVA 注解这块总是一知半解、模模糊糊的，特地抽出时间对注解知识做个全面梳理，希望对其他初级学习者能有所帮助，文章转载并手动试验代码。什么是注解Annotation（注解）就是java提供了一种元程序中的元素关联任何信息和着元数据的途径和方法。Annotation（注解）是一个接口，程序可以通过反射来获取程序元素的Annotation对象，然后通过Annotation对象来获取注解里面
目录问题查阅资料解决步骤1.检查pytorch版本、是否有CUDA2.安装CUDA前看电脑的显卡驱动程序版本、支持的最高版本3.安装CUDA和cuDNN4.卸载pytorch5.重新安装pytorch6.问题解决 问题在pycharm上用python3运行代码时报错：查阅资料报错：Torch not compiled with CUDA enabled看这一篇就足够了错误Torch not co
转载
2024-04-02 16:13:04
6049阅读
1：2017年4月19号本来打算 在linux上面装个Keras+TensorFlow 学习一下 ，但是原来电脑的配置是ubuntu15.10+cuda7.5+cudnnV4+opencv3.1。在按照 http://keras-cn.readthedocs.io/en/latest/for_beginners/keras_linux/网站教程 安装过程中出现类似下图错误（提示找不到li
可参考博文。但原文有个瑕疵就是，cublas.lib错写成了cudlas.lib。 其次，我还是记下我的CUDA8.0的安装和测试过程，是为备忘。 步骤如下： 1.下载安装CUDA： 1.1 下载。请到 cuda官网，选择合适的版本。如果版本不合适，安装的时候会提示的，但还是下载最新的比较好；&
建议全文看完再操作查看显卡1.查看自己gpu的型号2.查看cuda是否支持自己电脑的gpu型号3.查看driver version 和cuda versionanaconda中新建环境安装清华镜像源进入pytorch官网选择对应的命令换源安装测试 查看显卡1.查看自己gpu的型号ctrl+Alt+delete 打开任务管理器，点击性能，2.查看cuda是否支持自己电脑的gpu型号进入NVIDIA
转载
2024-05-06 12:32:20
635阅读
PyTroch相关操作（1）（21）torch.cuda.Event() 记录GPU的运行时间start = torch.cuda.Event(enable_timing=True)
end = torch.cuda.Event(enable_timing=True)
start.record()
model.train(xxx)
torch.cuda.synchronize()
end.reco
转载
2024-04-25 09:36:19
545阅读
1、初期检查 前期环境准备：anaconda、pycharm版本不作具体要求 windows10打开命令行1.1 检查conda是否安装好 Windows用户: win+R -> 输入cmd 然后点击“运行” ->
转载
2024-08-06 13:51:07
542阅读
1 FP16半精度
FP16 和 FP32，是计算机使用的二进制浮点数据类型。
FP16 即半精度，使用2个字节。FP32 即Float。其中，sign为表示正负，exponent位表示指数 2 ( n − 15 + 1 ) 2^{(n-15+1)}2
(n−15+1)
，具体的细节这里不说明。需要看时再百度。
float类型在内存中的表示
单独使用FP16：优势：
减小显
转载
2024-07-05 16:31:07
118阅读
1.安装cuda首先看下自己电脑是CPU还是GPU，看自己电脑对应的cuda版本 看右下角英伟达标识，点击组件，我的cuda版本是12.3，但最后发现安12.1比较好2.安装12.1cuda版本对应的cudnn 3.anaconda安装以及环境变量配置①anaconda安装注意不要安最新的版本，别问我为什么（可能不太好找对应的pytorch版本，太新也容易和很多软件不兼容），
这两天看到Vasily Volkov牛人的ppt，对如何更有效的使用GPU做通用计算提出了增加线程级并行以外的另一种方法---增加指令级并行，受益匪浅。刚好也没找到中文版本，就翻译过来与大家交流下，有错误请各位牛人指正，所有的实验结果和图片均出自原ppt。请参考《Better Performance at Lower Occupancy》后面两个案例有时间会放上来...
-------------
转载
2024-06-17 16:57:12
51阅读
前言从安装ubuntu系统配置pytorch-GPU环境开始就已经走上了不归路，本以为没什么大问题，但其实坑非常的多，在此写上安装过程中遇到的种种问题与大家分享，希望大家少走弯路！另外要说明，安装过程中一定要仔细看cuda、cudnn的官方文档，官方文档写的过程非常的详细，仔细看之后再安装会避免不少的问题！电脑配置电脑为个人闲置的笔记本电脑： 处理器：i7-6700 显卡：GTX 965M（集
转载
2024-04-27 19:11:22
377阅读
点赞
安装Pytorch时CUDA的选择Nvidia CUDA查看CUDA版本方法查看CUDA的驱动API版本查看CUDA的运行API版本查看官方CUDA的运行API版本方法1方法2查看Anaconda里cudatoolkit包版本 CUDA是一个并行计算平台和编程模型，能够使得使用GPU进行通用计算变得简单和优雅。Nvidia官方提供的CUDA 库是一个完整的工具安装包，其中提供了 Nvidia驱
转载
2024-03-24 21:41:36
193阅读
区分两种API的前缀 驱动: cu_ 运行: cuda_important: CUDA函数库 全部库: http://developer.nvidia.com/gpu-accelerated-librariesnvcc编译器，注意后缀CUDA硬件环境：芯片是对于架构的实现并行计算： 深度学习适合并行编程stencil是以某一固定模板的形式读取数据（只能是读相邻元素的关系）编写CUDA程序习惯： h
转载
2024-04-22 12:49:42
89阅读
一、典型GPU程序构成一个典型GPU程序有如下几个部分：①CPU在GPU上分配内存②CPU将CPU中的数据copy到GPU中③调用内核函数来处理数据④CPU将GPU中的数据copy到CPU中 *可以看出，四个步骤中有两个是数据的copy，因此如果你的程序需要不断地进行copy，那么运行效率会比较低，不适合利用GPU运算。一般情况下，最好的方式是，让GPU进行大量运算，同时保证计算量与通信
转载
2023-09-08 18:30:55
181阅读
背景出于复现他人代码的需要，有时候我们需要在系统里安装不同版本的pytorch或者tensorflow深度学习框架。而多数情况下，这些框架不同版本之间的兼容性并不是太好，即我们无法在同一个conda虚拟环境里复现其他作者的代码结果。因此，知晓如何在系统里安装pytorch与tensorflow，并使之正常工作就显得尤为必要。本文基于以上教程，在Ubuntu18.04安装了pytor
转载
2024-07-29 08:35:49
1369阅读
想要更新cuda11.7，需要的驱动最低版本515.65.01，而我的电脑原驱动为470，需要更新。1. 卸载原驱动使用了命令：sudo apt-get purge nvidia-*
sudo apt-get autoremove用以下命令检查是否卸载干净：sudo dpkg --list | grep nvidia-*发现有ii文件残留，当时没管。2. 安装新驱动（1）系统自带安装（出问题）通过
转载
2024-06-18 14:27:15
438阅读
前言本文是之前做云计算实验整理的内容，借博客保存一下！使用不同方法对算法加速还是很有意思的！实验题目自选一张图片，按照实验指南说明在jetson05节点上基于OpenMP和CUDA对图片进行边缘提取实验，记录梯度向量幅度的最小值和最大值，比较串行算法和并行算法的运行时间，并提交处理后的边缘提取结果图片。试一下：如果编译时开启优化选项（比如选择“-O3”级别的优化），串行算法和并行算法的运行时间分别
转载
2024-06-18 12:17:20
145阅读
