经过了一番折腾，查阅了上无数教程，很多都不靠谱，或者说只能满足其中的一部分。这篇博客总结了我这几天折腾出来的结果，可以完美的实现显卡超频（不管有没有图形化界面都可以），或者集成显卡输出图像，独显用于计算，这样就可以节约几百m的显存。我的配置是显卡是RTX3080，cpu是10400简单的显卡超频仅仅考虑显卡超频，不考虑核显输出图像，是一件非常简单的事情。在这里以图形化的界面，注意，此时显示器应该接
转载
2023-11-01 14:56:24
304阅读
1. 下载cuda10.0链接: https://developer.nvidia.com/cuda-toolkit-archive 选择要安装的版本，注意是runfile类型。2.安装cuda10.0我下载的是cuda_10.0.130_410.48_linux.run，下载好后进入到cuda_10.0.130_410.48_linux.run 的目录，执行下面两条命令安装：sudo chmod
转载
2024-08-01 18:47:23
121阅读
# 深度学习中的双精度 CUDA 超显存处理
## 引言
在深度学习的实际应用中，常常会遇到显存不足的问题，特别是在使用高精度数据时。为了有效解决这一问题，应用双精度（Double）和CUDA技术可以显著提升计算能力和性能。本文将帮助你了解如何实现深度学习中的双精度 CUDA 超显存管理。
## 整体流程
下面是实现深度学习两双精度 CUDA 超显存的整体流程：
| 步骤
本人本本Y480N i5 GT650m
1.引用论坛帖子 http://forum.ubuntu.org.cn/viewtopic.php?f=126&t=381594&start=30
http://linuxkids.xp3.biz/?p=76
以下便是针对Y470和Y570的hackish solution。原作者要求提醒用户，这是hackish solution，安装
转载
2024-08-31 15:59:10
132阅读
首先，显卡是电脑上绘制图像的东西，我们所看到的图像都是显卡一张一张“画”出来的，然后通过高速连续的播放，形成了我们看到的连贯图像。显卡性能的关键参数（1）流处理器数量（CUDA核心）可以理解为人类世界的“画师”。比如：我们可以看到流处理器单元为1536units，相当于这个显卡为1536个“画师”。此时我们可以知道，“画师”数量越多，画画的速度也就越快，也就是我们所说的游戏帧数高。由此，显卡的性能
转载
2024-04-27 08:12:13
0阅读
https://zhuanlan.zhihu.com/p/366882419?utm_id=0
主要安装步骤跟随这个，但是不全正确。
把附加驱动（software&update）自动更新 关闭
鱼香肉丝把系统源换成国内的：
wget http://fishros.com/install -O fishros && . fishros
原创
2023-04-13 18:16:47
426阅读
在支持CUDA的设备上运行什么？确定应用程序的哪些部分在设备上运行时应考虑以下问题：该设备非常适合可同时并行运行在多个数据元素上的计算。 这通常涉及大数据集（例如矩阵）的算术，其中可以同时在数千甚至数百万个元素上执行相同的操作。 这是CUDA良好性能的要求：软件必须使用大量（通常为数千或数万）并发线程。 并行运行大量线程的支持来自CUDA使用上述轻量级线程模型。为了获得最佳性能，设备上运行的相邻线
转载
2024-04-26 10:51:09
107阅读
一个 GPU 包含多个 Streaming Multiprocessor ，而每个 Streaming Multiprocessor 又包含多个 core 。 Streaming Multiprocessors 支持并发执行多达几百的 thread 。 一个 thread block 只能调度到一个 Streaming Multiprocessor 上运行
转载
2024-05-23 13:31:48
133阅读
引用出自Bookc的博客，链接在此http://bookc.github.io/2014/05/08/my-summery-the-book-cuda-by-example-an-introduction...
转载
2016-09-09 23:40:00
320阅读
3评论
并行就是让计算中相同或不同阶段的各个处理同时进行。
目前有很多种实现并行的手段，如多核处理器，分布式系统等，而本专题的文章将主要介绍使用 GPU 实现并行的方法。
前言 并行就是让计算中相同或不同阶段的各个处理同时进行。 &n
转载
2023-06-30 22:31:06
263阅读
CUDA全称(Compute Unified Device Architecture),是 NVIDIA开发的一款用于驱动GPU的统一计算设备架构，包含了许多底层API函数，通常用于GPU的并行计算开发。CPU与GPU的的硬件架构区别两者最大不同在于：CPU有控制单元Control，和算数逻辑单元ALU，负责逻辑性强的事务处理；GPU具有大量的并行化现成网格单元，专注于执行高度线程化的并行处理任务
转载
2024-02-04 01:06:40
448阅读
目录目录1、安装pycahrm 2、配置 cuda3、下载cuDNN1、安装pycahrm下载 ：PyCharm: the Python IDE for Professional Developers by JetBrains2、配置 cudaCUDA 是 NVIDIA 发明的一种并行计算平台和编程模型。它通过利用图形处理器 (GPU) 的处理能力，可大幅提升计算性能。CUDA（Comp
转载
2023-11-03 19:56:28
299阅读
一、常用命令1.查看NVIDIA 版本 nvidia-smi2.查看CUDA版本 nvcc -V二、下载安装相关资源1.CUDA Toolkit CUDA Toolkit Archive | NVIDIA Developer选择自己需要的版本点击后进入下图界面 （1）在浏览器复制wget地址，进行下载
转载
2023-09-06 21:55:38
110阅读
CUDA底层驱动API 文章目录CUDA底层驱动API1. 上下文2. 模块3. 核函数的执行4. 运行时和驱动程序 API 之间的互操作性5. 驱动入口5.1. 介绍5.2. 驱动函数类型5.3. 驱动函数检索5.3.1. 使用驱动API5.3.2. 使用运行时API5.3.3. 检索每个线程的默认流版本5.3.4. 访问新的 CUDA 功能 本附录假定您了解 CUDA 运行时中描述的概念。
转载
2023-11-13 21:51:07
222阅读
目录硬件模型：线程模型：内存模型：SIMT架构：Warp(并行线程组)：基本概念：warp的执行方式：SIMT与SIMD的区别：Volta架构：注意：性能优化：核心原则：实现最大化利用率：最大化存储吞吐量：最大化指令吞吐量：最小化内存抖动：学习资料：前记：呜呜呜，最近事情太多了，看了都没写，寄！-----------------------------------博主：mx硬件模型： 如上图
转载
2024-04-24 23:39:40
145阅读
>> NVIDIA CUDA 4.1 Compiler Now Built on LLVMLLVM可是个好东西，在Apple力顶之下，这几年真是发展快快。LLVM是知名的开源编译器技术基础架构，其模块设计可方便的加入新语言和处理器架构支持，目前支持C/C++、Objective-C、Fortran、Ada、Haskell、Java bytecode、Python和Ruby等
NVIDIA英伟达驱动在安装之前，先更改数据源，否则安装过程中下载会非常慢。从系统设置中，点击Software&update，进入后选择source code,从download from中选择的镜像源，此处可以看个人习惯选择，或者点击best choice选择系统推荐，此处我选择的是镜像源，选择后按照指令输入系统权限（装系统时，自己编辑的），点击close，等待片刻即可，从文
转载
2024-05-16 20:24:48
1796阅读
"CUDA学习：CUDA9.0+VS2017+win10详细配置"
原创
2021-08-27 09:26:32
273阅读
cuda、cudnn环境配置一、cuda、cudnn概念及关系1、什么是cuda？CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题2、什么是cudnn？NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开
转载
2024-07-06 12:03:35
325阅读
前言 在并发，多线程环境下，同步是一个很重要的环节。同步即是指进程/线程之间的执行顺序约定。 本文将介绍如何通过共享内存机制实现块内多线程之间的同步。 至于块之间的同步，需要使用到 global memory，代价较为高昂，目前使用的情况也不多，就先不介绍了。块内同步函数：__syncthreads () 线程调用此函数后，该线程所属块中的所有线程均运行到这个调用点后才会继续往下运行。代码
转载
2024-03-20 20:14:56
293阅读
