随着全球信息化的普及应用，世界范围内信息业务量也开始呈现爆发式增长，传统的数字信号处理及统计方式已经难以满足人类办公及生活的需求，在这种情境下，AI技术以其强大的数据及算法模式应运而生。AI即人工智能，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。历经数十年的发展，我国的AI人工智能技术体系逐渐完善，因其便捷、精确、安全的实用特性，所以AI迅速在国内各大
sunshinesunshinesunshinesunshinesunshinesunshinesunshinesunshinesunshine
原创
2020-07-07 16:53:18
261阅读
My Sunshine
转载
2021-08-17 15:36:12
64阅读
Keep walking in sunshine
一直走在阳光下
greta always said,"dear,keep walking in sunshine!" no matter how terrible my day started,i always felt wunny walking home from greta's house-even beneath the winter
转载
2011-01-04 10:34:24
650阅读
Sunshine on my shoulders makes me happy照在我肩上的阳光让我欢乐Sunshine in my eyes can make me cry照入我眼中的阳光让我哭泣Sunshine on the water looks so lovely水中的阳光是如此的可爱Sunshine almost always makes me high阳光几乎总是让我激动If
转载
2022-07-22 10:29:06
65阅读
因为LZ是使用GPU服务器跑TensorFlow，而TensorFlow默认的是占用所有GPU，于是为了不影响其他同学使用GPU，于是就试验和总结了一下TensorFlow指定GPU的方法。。环境系统：Ubuntu14.04TensorFlow：v1.3GPU 8个GTX1080，第一列的0~7的数是GPU的序号一.设置指定GPU1.一劳永逸的方法，直接在~/.bashrc中设置环境变量 CUD
转载
2024-05-07 13:13:33
813阅读
后面的不用看了，直接看最省事版本： 直接用CUDA_VISIBLE_DEVICES="2,3"指定多卡就可以，也可以给sh文件传参进去。但是，切记！切记！切记！sh文件里不能有空行，尤其是使用反斜杠 \ 连接多行的时候，
转载
2024-03-24 08:52:37
921阅读
今天在阿里云上申请了一个深度学习服务器，碰到了很多坑，在网上查了好多资料，大都是自己电脑可以别的电脑就不可以的那种，整合了多个博客的文章才把环境配置好，现在写一个完整的配置方案，以后用起来就方便多了，也供大家参考。一、首先安装nvidia驱动：***在官网上查找符合自己gpu的驱动：http://www.nvidia.com/Download/index.aspx，选择合适的版本下载。 更新系统源
转载
2024-05-01 11:33:01
210阅读
1、目前主流方法：.to(device)方法 （推荐）import torch
import time
#1.通常用法
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
data = data.to(device)
model = model.to(device)
'''
1.先创建device
转载
2023-08-31 10:09:45
4610阅读
持续监控GPU使用情况命令：$ watch -n 10 nvidia-smi 一、指定使用某个显卡 如果机器中有多块GPU，tensorflow会默认吃掉所有能用的显存， 如果实验室多人公用一台服务器，希望指定使用特定某块GPU。 可以在文件开头加入如下代码：import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ[
转载
2024-07-22 17:08:16
209阅读
目录1. 命令讲解2. 高效使用大家使用的服务器中有多个GPU，而这个大服务器又在被很多人使用，比如你的课题组的同学。为了资源合理分配，不占用别人正在使用的GPU，我们可以指定自己要使用的GPU组（也就是在你的代码中使用的某一个或某几个GPU），这样就很有效的避免了GPU的资源占用，实现资源的最大化，也不用因为占用特别大的GPU被课题组的“拉黑举报”了！HHH~~~选择特定的GPU组运行程序可在程
转载
2024-03-28 13:40:07
444阅读
pyTorch的GPU模式安装记录1. 安装CUDA2. 安装cuDNN3. 安装pyTorch4. 显卡驱动设置测试CUDA是否安装成功后记 的 的 模式需要先安装 和 ，然后才安装 。1. 安装CUDA进入到 CUDA Toolkit Archive 选择想要下载的版本：由于目前 的 文件只支持到11.0版本（见第 3 节），因此选择cuda_11.0.2_451.48_win10：
转载
2024-03-15 09:23:15
701阅读
正文nvidia-docker run --rm nvidia/cuda:10.0-develdocker开的容器中要想支持gpu，也必须安装cuda(安cuda时会自动安驱动)1、可以直接使用tensorflow、pytorch等官方提供的gpu镜像。2、如果想自己定制，可以基于nvidia/cuda镜像，进行配置(不要从头自己配置)二、Docker19.03之后，内置gpu支持****增加了对
转载
2024-10-27 19:17:21
302阅读
(一)mxnet 的核心接口接口功效Context指定运行设备NDArraypython与C++交互数据对象DataIter为训练提供batch数据Symbol定义网络LR Scheduler定义学习率衰减策略Optimizer优化器Executor图的前向计算与反向梯度推导Metric查看模型训练过程指标Callback回调函数KVStore跨设备的键值储存ModuleALL in one 将
转载
2024-04-27 07:44:08
137阅读
使用 GPUs支持的设备在一套标准的系统上通常有多个计算设备. TensorFlow 支持 CPU 和 GPU 这两种设备. 我们用指定字符串 strings来标识这些设备. 比如:
"/cpu:0": 机器中的 CPU
"/gpu:0": 机器中的 GPU, 如果你有一个的话.
"/gpu:1": 机器中的第二个 GPU, 以此类推...如果一个 TensorFlow 的 operat
转载
2024-08-07 18:22:18
97阅读
实现mypwd1.学习pwd命令1：查看pwd命令的帮助信息man pwd2:显示当前目录所在路径 pwd3:显示当前目录的物理路径 pwd –P4:显示当前目录的连接路径：pwd -L什么是pwd?‘pwd‘ 代表的是‘Print Working Directory’（打印当前目录）。如它的名字那样，‘pwd’会打印出当前工作目录，或简单的来说就是当前用户所位于的目录。它会打印出以根目录 (/)
如图 代码所属：https://github.com/bubbliiiing/ssd-tf2怕到时候改坏了 unbelievable（不是）import time
import cv2
import numpy as np
import tensorflow as tf
from PIL import Image
from ssd import SSD
gpus = tf.config.ex
转载
2024-06-19 05:45:10
41阅读
文章目录Google Colab免费GPU使用教程什么是Google Colab？让Google Colab随时可用在Google云端硬盘上创建文件夹创建新的Colab笔记本设置GPU使用Google Colab运行基本Python代码使用Google Colab运行或导入.py文件如何改变文本的样式下载泰坦尼克号数据集（.csv文件）和显示前5行从Github 仓库中克隆project到Goo
转载
2024-05-22 19:26:03
57阅读
1. 本节课将为您演示条件格式的使用。首先在C4单元格中按下鼠标，并向下方拖动，以选择此列单元格中的数据。
2. 然后按下键盘上的快捷键。
3. 在按下该快捷键的同时，选择E列中的数据。
4. 接着选择G列的数据。
5. 点击条件格式按钮，弹出条件格式选项菜单。
6. 然后依次点击[突出显
转载
2024-09-29 08:31:07
61阅读
配置环境1.硬件 12系cpu 3080ti 显卡2.软件 Windows 11 pro VS2019 Pro&
转载
2024-07-15 16:16:29
348阅读
