1 前言原料：我有两台电脑，一台是Win10系统的小米笔记本12.5（简称为A电脑），一台是Ubuntu系统的小米游戏本（简称为B电脑）。A电脑没有GPU，没有配置任何深度学习环境；而B电脑的GPU是GTX 1060，配置好了深度学习环境，已经能用CUDA跑代码了。A电脑和B电脑使用的IDE都是VS Code。需求：代码调试：因为B电脑有GPU，我希望能够用A电脑调试B电脑的代码。场景1（远程调试
转载
2024-03-27 10:20:35
307阅读
的一 前言最近写了个又臭又长的代码来验证idea，效果还行但速度太慢，原因是代码中包含了一个很耗时的模块，这个模块需要连续执行百次以上才能得到最终结果，经过实测模块每次执行消耗约20ms，而且两次执行之间没有先后关系，为了保证系统的实时性，我决定将这一部分运算放在GPU上执行。二 环境配置（dirver CUDA + runtime CUDA）要想使用GPU加速计算，首先需要一块性能还可以的Nvi
转载
2024-04-17 15:19:00
139阅读
将作为一名程序员，进一步确定的目标是成为一个架构师，那么能耗必须考虑。 写代码与能耗的关系不言自明，现在假设将网络视频监控的监控识别算法放在客户端，既不利于算法的保护，也不利于算法的优化，更不利于降低能耗。 谈到能耗，每一台服务器都是吃电器，如果我不是老板，就不考虑耗电的情况，但是如果作为这个公司的一员，也
转载
2024-04-25 15:12:07
120阅读
CPU对我们来说既熟悉又陌生，熟悉的是我们知道代码是被CPU执行的，当我们的线上服务出现问题时可能首先会查看CPU负载情况。陌生的是我们并不知道CPU是如何执行代码的，它对我们的代码做了什么。本文意在简单解释我们代码的生命周期，以及代码是如何在CPU上跑起来的。编译-让计算机认识我一个漂亮 control+c 加上一个漂亮的 control+v，啪～，我们愉快的写下了代码，当代码被保存后，它就被存
转载
2024-08-23 11:34:20
455阅读
我使用的YOLO的GPU版本工程是代码链接是：yolo-windows-master，其博客地址是：CPU版本的博客地址是：1、GPU配置，其中yolo使用的GPU版本的，其网上下载的代码基本是用CUDA7.5计算版本的，如果自己系统装的不是这个版本的则会出现加载工程失败，其错误信息如下：此时双击上面的无法加载cuda属性表的错误，这个属性表是我们在安装CUDA时会在系统目录下自动生产相应版本的。
转载
2024-03-25 17:42:25
96阅读
由于电脑的显卡是AMD的，不支持cuda 调试中可能会遇到的bug1. bug1：mnist数据集下载失败mnist = datasets.MNIST(
root='./data/', train=True, transform=img_transform, download=True
)?这条语句报的错 他会自动创建一个文件夹，在网上找到下载好MINIST的raw放到文件夹里就可以了 因
转载
2024-04-07 12:06:23
238阅读
# 用GPU跑Python代码的科学探索
在机器学习、深度学习和科学计算的领域中，CPU（中央处理单元）对于执行计算任务一直扮演着重要的角色。但是，随着数据量的增加和计算复杂度的提升，GPU（图形处理单元）的出现为我们提供了一个高效的计算替代方案。GPU的并行处理能力使得它在处理大量数据和复杂的计算时展现了出色的性能。
## 什么是GPU？
GPU最初设计用于处理图形渲染，如3D游戏中的图像
原创
2024-09-29 06:22:26
53阅读
阅读目录前言：看看优化需要从哪里着手CPU的方面的优化：GPU的优化内存的优化更新，使用Unity Profiler工具检测内存
前言： 刚开始写这篇文章的时候选了一个很土的题目。。。《Unity3D优化全解析》。因为这是一篇临时起意才写的文章，而且陈述的都是既有的事实，因而给自己“文（dou）学（bi）”加工留下的余地就少了很多。但又觉得这块是不得不提的一个地方，平时见到很多人对此处也
转载
2024-08-30 11:27:44
125阅读
深度学习怎么跑代码？从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大的计算量，以至于CPU算不过来，需要通过GPU帮忙，今天怎么教大家免费使用GPU跑深度学习代码。深度学习怎么跑代码？Colabortory是一个jupyter notebook环境，它支持python2和python3，还包括TPU和GPU加速，该软件与Google云盘硬盘集成，用户可以轻松共享项目或将
转载
2024-05-09 15:42:24
101阅读
从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大(重要的事情说三遍)的计算量，以至于CPU算不过来，需要通过GPU帮忙，但这必不意味着CPU的性能没GPU强，CPU是那种综合性的，GPU是专门用来做图像渲染的，这我们大家都知道，做图像矩阵的计算GPU更加在行，应该我们一般把深度学习程序让GPU来计算，事实也证明GPU的计算速度比CPU块，但是(但是前面的话都是废话)
转载
2024-04-27 16:49:09
382阅读
作者：凌逆战从事深度学习的研究者都知道，深度学习代码需要设计海量的数据，需要很大很大很大(重要的事情说三遍)的计算量，以至于CPU算不过来，需要通过GPU帮忙，但这必不意味着CPU的性能没GPU强，CPU是那种综合性的，GPU是专门用来做图像渲染的，这我们大家都知道，做图像矩阵的计算GPU更加在行，应该我们一般把深度学习程序让GPU来计算，事实也证明GPU的计算速度比CPU块，但是(但是前面的话都
转载
2024-03-08 08:59:47
118阅读
【如果电脑配置了GPU，那么使用Ubuntu 16.04+caffe+cuda 8.0安装教程】本文是在新安装的Ubuntu16.04上进行Caffe的安装。一、检查自己电脑是否具有GPU通常Caffe在计算时有两种模式可以选择，CPU或GPU，使用GPU处理图像速度会更快，但往往有的计算机没有GPU，配置太低，所以只能选择CPU，作者的电脑不支持GPU，因此选择CPU安装的版本。输入：
lspc
PyTorch 之所以会成为和 Tensorflow 并驾齐驱的两大深度学习框架，除了 PyTorch 有极其好用的动态计算图技术外，还在于它的相对开放和自由。此外，PyTorch 还添加了对C/C++/Java等语言的支持，这意味着我们可以先通过Python调试好模型后，再把模型送到 C/Java 为主的应用环境里，为程序赋能。 接下来的这篇文章将介绍如何在 Ubuntu 环境下部署 C/C++
**嵌入式学习笔记三C语言实现GPIO口控制**关于实现PC机与Nano的远程通信和程序的交叉编译，有如下的教程： 1.PC与Nano远程通信 2.PC和Nano实现程序的程序编译 文章目录嵌入式学习笔记三C语言实现GPIO口控制前言一、Linxu应用层控制GPIO二、使用GPIO库实现IO口控制三、Nvidia Nano的GPIO编号总结 前言在学习完PC和Nano的通信和程序交叉编译后，开始学
转载
2024-07-09 19:35:46
45阅读
（2017年）百度将高性能计算引入深度学习：可高效实现模型的大规模扩展RingAllreduce；适用于单机多卡/多机多卡；关键在于认识到机器硬件拓扑，然后根据拓扑去构建使得最大的边延迟最小的方案；（Step1, Step2, Step3那种AllReduce，在多机通过交换机互联情况下，也可以和机器数目无关）；最后再进行5轮类似的传输，所有GPU上就都有了各段之和； NCCL是最快的！
可以直接查看最新的： 最近开始学习图像处理方面深度学习的有关内容，先是在Windows上安装CUDA和TensorFlow等，慢慢了解了一些东西。后来遇到一些事情，比如要用Torch，还是转到了Linux平台。Linux我还是习惯Ubuntu，一直都用这个。因为不同发行版包管理和许多配置文件路径等不尽相同，换的话真的麻烦。 现在问题是，我在有了Windows的情况下，如何远程到
引言gan在 keras和 TensorFlow两个框架的入门后，这次补充一下 gan和 dcgan在 pytorch框架的代码。顺带安利一下怎么将 cpu的代码修改成使用 cuda进行加速的代码，还有怎么将运行在 cpu的模型参数保存下来接着到 gpu的环境下加载运行 （代码链接在后面，有个案例在手还是挺有用的，说不定哪天就用上了!）然后也顺
CUDA编程： GPU与CPU之间使用全局统一内存的完整代码及编译最近碰到一个应用场景，需要从GPU访问host上创建的，一个很大的布隆过滤器（准确说是改进后的布谷鸟过滤器）。由于GPU卡上的显存有限，把整个过滤器复制到GPU卡显然不可能，于是想到用CUDA的全局统一内存来简化程序编写并提高性能。 由于以前没做过CUDA的编程，要从零开始学CUDA，还要进阶到用 统一虚拟内存寻址UVA，再到全局统
转载
2024-03-29 19:25:16
156阅读
基础：已经掌握深度学习的基本概念，需要配置GPU 主要深度学习框架Keras
：A minimalist, highly modular neural networks library, written in Python and capable of running on top of either TensorFlow or Theano. Documents:
 
转载
2024-07-18 19:58:39
67阅读
达最近读到这样一篇好文章，从底层硬件角度出发剖析了一下CPU对代码的识别和读取，内容非常精彩，读完感觉大学里学到的很多东西瞬间联系起来了，这里分享给大家，希望能认真读完并有所收获。首先要开始这个话题要先说一下半导体。啥叫半导体？半导体其实就是介于导体和绝缘体中间的一种东西，比如二极管。电流可以从A端流向C端，但反过来则不行。你可以把它理解成一种防止电流逆流的东西。当C端10V，A端0V，二极管可以
