转载
2020-08-07 13:46:00
41阅读
2评论
win10使用tensorflow和tensorflow-gpu时踩过的坑最初要使用tensorflow-gpu是因为要使用inception-resnet-v2，这个模型在cpu上跑，速度实在是太慢，两天跑1000个batch的样子，实在难受。于是搬出了我四年前的电脑（NIVIDA 840M）来准备用GPU跑。遇到了一些坑，一一解决了，记录一下。first最开始的时候，以为安装了tensorfl
转载
2024-04-03 08:53:05
138阅读
转自＝easyrock（2路转4路）＝的原创，很少看见这么深入底层的与性机制详解，牛人啊，膜拜ing进而收藏之！街机模拟器工作原理 这几天学习了一下finalburn的源代码，有一些心得，惊喜之余，整理出来与大家分享。
我们
常说的芯片，通常都是接受一定的输入，完成特
转载
2024-01-06 23:14:10
68阅读
讲得很好，记下来以后可以借鉴：
如何跑通第一个模型面对一个全新的任务时，可能会遇到深度神经网络的训练不收敛的情况：loss不下降或者计算过程中浮点数越界，处理这种情况有一些常见的技巧。总体的思路是尽量简化训练，使得网络参数很容易学，即使性能不够优，切忌在跑通第一个模型前就做很多为性能优化服务的、增加训练难度的事项，例如数据增强、网络加宽加深等。模型参数选择尽量找一个已经跑通过的、与当前任务相似的任
转载
2023-07-27 17:06:56
195阅读
# 如何使用 Yarn 跑项目：新手指南
在现代前端开发中，包管理工具是不可或缺的。其中，Yarn 是一种高效、可靠的 JavaScript 包管理工具，广泛用于优化项目依赖关系和资源管理。本文将详细介绍如何使用 Yarn 跑项目，适合刚入行的小白，提供步骤、代码示例和说明。
## 项目流程概述
首先，我们先来看看整个项目的流程。以下是一个简单的流程表，展示了使用 Yarn 跑项目的主要步骤
# 如何用Python跑模型？
## 引言
在机器学习和数据科学领域，使用Python进行模型训练和预测是非常常见的。Python具有丰富的库和工具，可以方便地进行数据处理、特征工程和模型训练等操作。本文将介绍使用Python跑模型的流程和步骤，并给出相应的代码示例。
## 整体流程
下面是使用Python跑模型的整体流程，包括数据准备、特征工程、模型训练和预测等步骤。
| 步骤 | 描述
原创
2023-09-16 17:59:05
601阅读
在进行大规模数据处理和科学计算时，通常需要利用GPU的并行计算能力来加速运算过程。Python是一种流行的编程语言，而NumPy库则是Python的一个重要数值运算库。那么，如何在Python中利用GPU来加速NumPy的计算呢？答案就是使用PyCUDA和CuPy库。
PyCUDA是一个Python绑定库，它允许Python与NVIDIA的CUDA并行计算平台交互。而CuPy则是一个基于Nump
原创
2024-06-21 07:02:01
190阅读
## Python 用显卡跑
### 引言
随着数据处理和机器学习的飞速发展，对计算资源的需求也越来越高。传统的中央处理器（CPU）在处理大规模数据和复杂计算任务时可能会遇到性能瓶颈。因此，使用图形处理器（GPU）来加速计算已成为一种流行的选择。Python作为一种广泛使用的编程语言，也提供了使用显卡进行加速计算的方法。本文将介绍如何在Python中使用显卡进行计算，并给出相应的代码示例。
原创
2023-10-04 10:27:47
224阅读
-----最近从github上找了一个代码跑，但是cpu训练的时间实在是太长，所以想用gpu训练一下，经过了一天的折腾终于可以用gpu进行训练了，嘿嘿~首先先看一下自己电脑的显卡信息：可以看到我的显卡为MX250然后进入NVIDIA控制面板->系统信息->组件 查看可以使用的cuda版本这里我先下载了cuda10.1的版本，不过后来我发现tensorflow-gpu 1.8.0仅支持c
转载
2023-09-14 21:38:33
353阅读
# 用WPS跑Python
## 引言
Python 是一种简单易学、功能强大的编程语言，广泛应用于各种领域，包括科学计算、数据分析、人工智能等。而 WPS 是一款功能全面的办公软件，提供了强大的表格处理、文档编辑和演示制作等功能。本文将介绍如何在 WPS 中运行 Python，并给出一些示例代码。
## 准备工作
在开始之前，我们需要先安装 Python 和 WPS Office。Pyt
原创
2023-12-24 06:13:48
1548阅读
内容：Matlab simulink 给数学建模和解非线性方程提供了莫大的便利，但是对于大型仿真程序，smulink仿真速度使人叫苦不迭。总体来说，影响simulink仿真速度有以下几个因素，同时将解决方法奉上：（1）参数设置问题，变步长还是定步长，定步长的大小，求解方法（a）变步长可以大大加快仿真速度，但同时也可能带来结果不准确的问题。（b）定步长的不长越大仿真时间与少，仿真时间的长短大致与仿真
这几天学习了无监督学习聚类算法Kmeans，这是聚类中非常简单的一个算法，它的算法思想与监督学习算法KNN（K近邻算法）的理论基础一样都是利用了节点之间的距离度量，不同之处在于KNN是利用了有标签的数据进行分类，而Kmeans则是将无标签的数据聚簇成为一类。接下来主要是我对《机器学习实战》算法示例的代码实现和理解。 首先叙述下算法项目《对地图上的俱乐部进行聚类
Ubuntu18.04.2使用GPU跑程序最简单的方法！安装CUDA9.0 以及CUDNN7.1还有Tensorflow 对应GPU版本亲测有效！注意！别的系统不一定适用但大部分流程相同今年考了研究生，研究课题需要跑网络，代码以及数据都准备好，用我自己的CPU跑了一下，7个小时才跑完一边！我的笔记本是某想G50，14年本科大一时候买的，现在已经不堪入目了，好在导师有独显GPU，就让我使用，但是装了
转载
2023-11-02 11:00:31
230阅读
# 使用Python和CUDA进行高性能计算
CUDA（Compute Unified Device Architecture）是由NVIDIA开发的一种并行计算架构，可以利用显卡的强大计算能力加速计算任务。通过结合Python和CUDA，程序员可以轻松地在GPU上运行高性能计算重负载任务。本文将介绍Python如何利用CUDA进行计算，并提供示例代码。
## 1. 安装CUDA和相关库
在
原创
2024-09-13 05:39:23
245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
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
314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
脚本引流是什么？利用脚本在手机app平台上进行一个信息的发布吸引流量客户达到自己指定的地方。这个过程就是脚本引流，下面极速引流脚本团队来和大家分享一些关于脚本引流的事情。 大家在使用脚本的时候会因为封号而苦恼，这就需要我们多花一些时间了解平台的规则，熟悉规则以设置好的自己的话术。现在很多手机app账号的注册成本还是很低的，用接码软件一个账号也就是一毛钱，所以我们用来熟悉规则的账号来源是没有什么问题
转载
2024-08-21 07:59:40
18阅读
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
5/03/28/332588.aspx
原创
2023-07-20 15:25:51
113阅读
