进程和线程今天我们使用的计算机早已进入多CPU或多核时代，而我们使用的操作系统都是支持“多任务”的操作系统，这使得我们可以同时运行多个程序，也可以将一个程序分解为若干个相对独立的子任务，让多个子任务并发的执行，从而缩短程序的执行时间，同时也让用户获得更好的体验。因此在当下不管是用什么编程语言进行开发，实现让程序同时执行多个任务也就是常说的“并发编程”，应该是程序员必备技能之一。为此，我们需要先讨论
转载
2024-07-29 09:50:03
61阅读
# 用CPU跑Python
Python是一种广泛使用的高级编程语言，以其简洁和易于学习的特性而受到开发者的喜爱。在执行Python代码时，CPU（中央处理单元）作为计算机的核心组件，承担着大部分的计算任务。在本文中，我们将讨论如何在CPU上高效地运行Python代码，并提供一些实用的示例。
## CPU基础知识
让我们先简要了解一下CPU的基本工作原理。CPU负责执行程序中的指令，处理数据
GIL 的存在一直是富有争议的，它导致 Python 程序无法真正利用现代操作系统的多进程特性。需要注意的是，对于 I/O 图形处理、NumPy 数学计算这样的耗时操作都发生在 GIL 之外，实际上基本不受影响，真正受影响的都是 Python 字节码的执行，GIL 会导致性能瓶颈的出现。总之，只有在使用纯 Python 做 CPU 密集的多线程运算时 GIL 会是问题。GIL是什么Pyt
转载
2024-06-01 15:02:32
79阅读
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
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
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
# 如何限制 Python 代码的 CPU 占用
随着数据科学与人工智能的迅猛发展，Python 作为一种功能强大且易于使用的编程语言，愈发受到开发者的青睐。然而，许多情况下，编写的 Python 代码可能会不慎导致 CPU 占用过高，从而影响系统性能。本文将探讨几种方法来限制 Python 代码的 CPU 占用，从代码示例和状态图的角度来阐述这一问题。
## 为什么会出现高 CPU 占用？
Python Files 博客发布了几篇主题为「Hunting Performance in Python Code」的系列文章，对提升 Python 代码的性能的方法进行了介绍。在其中的每一篇文章中，作者都会介绍几种可用于 Python 代码的工具和分析器，以及它们可以如何帮助你更好地在前端(Python 脚本)和/或后端(Python 解释器)中找到瓶颈。代码地址：https://github
转载
2024-05-08 15:43:01
247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
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
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
2024-01-22 10:19:14
42阅读
时间片即CPU分配给各个程序的时间，每个线程被分配一个时间段，称作它的时间片，即该进程允许运行的时间，使各个程序从表面上看是同时进行的。如果在时间片结束时进程还在运行，则CPU将被剥夺并分配给另一个进程。如果进程在时间片结束前阻塞或结束，则CPU当即进行切换。而不会造成CPU资源浪费。在宏观上：我们可以同时打开多个应用程序，每个程序并行不悖，同时运行。但在微观上：由于只有一个CPU，一次只能处理
转载
2024-06-18 07:02:13
93阅读
1. 什么是编程1.1 计算机硬件与软件计算机的本质是信息处理机，要处理信息就必须具备处理信息的硬件设备。就跟人的大脑一样，要处理信息就需要有运算能力和存储能力。CPU（包含运算器和控制器）就具有运算能力及控制能力，存储器就具有存储能力。计算机本身的特点决定了它的信息处理和信息存储的形式，即使用二进制代码（只有0和1）来表示所有信息。外界所有的信息要进入计算机，都必须千方百计地转换为二进制代码。人
转载
2024-08-11 14:52:40
242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
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
122阅读
CPU架构和工作原理
CPU的运行原理控制单元在时序脉冲的作用下，将指令计数器里所指向的指令地址(这个地址是在内存里的)送到地址总线上去，然后CPU将这个地址里的指令读到指令寄存器进行译码。对于执行指令过程中所需要用到的数据，会将数据地址也送到地址总线，然后CPU把数据读到CPU的内部存储单元(就是内部寄存器)暂存起来，最后命令运算单元对数据进行处理加工。周而复始，一直这样执行下去。cpu、进程
转载
2024-09-02 17:16:27
39阅读
# 如何实现让 CPU 跑满的 Python 代码
在学习编程和计算机科学时，理解如何利用 CPU 资源是非常重要的一环。有时候我们需要测试系统性能或者进行性能基准测试，而让 CPU 跑满是一个常见的方法。本文将讨论如何在 Python 中实现这一目标。我们将通过几个步骤来逐步实现，并在每一步中提供具体代码以及详细解释。
## 流程步骤
我们将通过以下步骤来实现让 CPU 跑满的 Pytho
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
安装Ubuntu16.04+OpenCV3.3.1+ROS kinetic安装Ubuntu16.04 1. 下载ubuntu的ISO文件这一步相对简单，网络上面有很多的链接下载。这里贴一个ubuntu的官方网站链接，可以下载到ubuntu 16.04的iso文件https://wiki.ubuntu.com/XenialXerus/ReleaseNotes?_ga=2.66502190.169
目录一、创建新环境二、导入Pytorch库三、新建项目四、测试五、准备数据集六、修改配置文件七、训练八、实例测试九、结束语默认大家都装好了Anaconda和Pycharm，且知晓基本操作一、创建新环境打开cmd窗口，输入conda create -n yolov5 python=3.7，回车等待一会，输入y，回车再等待一会，出现done，说明新环境创建成功！名字可以随便取，但是建议跟我取一样的，建
转载
2024-01-16 19:47:41
530阅读
