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
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
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
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
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
（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！
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
课题需要用到GPU加速。目前使用的台式电脑只有核心显卡，而实验室有一台服务器装有NVIDIA GTX980独显。因此，想搭建一个CUDA的开发环境，来实现在台式机上面开发cuda程序，程序在服务器而不必每次都跑去服务器上面。
目前找到的远程调试方案有三个:Windows平台下，通过Nsight Monitor连接 带有NVIDIA显卡的Windows笔记本电脑。Linux平台下，通过Nsight
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
# 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
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
利用Google Colaboratory运行本地深度学习代码前提条件一、创建Colaboratory二、连接GPU云服务器查看GPU型号三、将本地项目压缩包上传到谷歌云盘并解压3.1上传3.2 解压绑定GoogleDrive开始解压 最近学习使用了Google免费的GPU云服务器用于训练GitHub上的一个深度学习项目，下面记录一下环境配置过程 前提条件拥有谷歌账号，并注册谷歌云盘（注册登录
转载
2024-04-18 16:32:56
130阅读
# MacBook Pro如何使用GPU跑深度学习代码
随着深度学习的迅速发展，越来越多的研究者和开发者希望在笔记本电脑上进行高效的深度学习实验。MacBook Pro作为一款强大的笔记本设备，虽然不是专为深度学习设计，但通过合理配置和优化，仍然可以利用GPU加速深度学习任务。
## 1. 项目背景
在现代深度学习中，GPU的使用已经成为标准实践。GPU比CPU更适合处理并行计算，尤其是在训
# 使用GPU加速Python代码：以TensorFlow为例
随着深度学习与大数据处理的快速发展，许多计算密集型任务逐渐转向使用GPU进行计算。相较于CPU，GPU在处理大规模数据时展现出了更强的并行计算能力。本文将通过一个具体的问题，介绍如何在Python中使用TensorFlow（一个流行的深度学习框架）来跑GPU代码。
## 问题背景
我们将设计一个简单的分类模型，通过使用GPU加速
原创
2024-08-28 06:37:48
151阅读
代码质量的评价有很强的主观性。从哪些维度评判代码质量的好坏代码质量的评价有很强的主观性，描述代码质量的词汇也有很多，比如可读性、可维护性、灵活、优雅、简洁等，这些词汇是从不同的维度去评价代码质量的。它们之间有互相作用，并不是独立的，比如，代码的可读性好、可扩展性好就意味着代码的可维护性好。代码质量高低是一个综合各种因素得到的结论。我们并不能通过单一的维度去评价一段代码的好坏以下几乎涵盖我们所能听到
Google Colab，全名Colaboratory，是由谷歌提供的免费的云平台，可以使用pytorch、keras、tensorflow等框架进行深度学习。其GPU为Tesla T4 GPU，有很强的算力，对于刚入门机器学习或深度学习的用户，这个平台是不二之选。 谷歌colab跑github代码AttnGAN详细步骤 深度学习打开colab，连接云端虚拟机配置实验资源（code+dataset
转载
2024-04-26 11:12:21
120阅读
这次我们结合directx的例子程序 EffectParam来解释一下参数块和共享参数的概念，例子位于：directx安装目录/Samples/C++/Direct3D/EffectParam ，这两个东西一起说，自然是他们之间有关系的，一般一起用的。。。下面开始.首先是共享参数，效果的参数就是效果里头申明的所有非静态的变量，包括全局变量和注释，如果在申明的时候技术上“shared”关键
转载
2024-07-12 18:29:14
39阅读
ubuntu18.04 安装nvidia显卡驱动1、查询显卡型号2、添加源3、查看驱动4、安装驱动5、其他安装方式6、查看显卡信息7、报错解决办法 一定要先禁用 nouveau,参考 ubuntu单系统开机后黑屏操作方法。 1、查询显卡型号windows下打开设备管理器，选择显示适配器，UHD是集成显卡，GeForce是独立显卡。 在Ubuntu下查询显卡型号 集成显卡输入命令:lspci -
转载
2024-04-18 13:09:25
136阅读
Tensorflow环境下的深度学习框架的配置主要包含以下几步：0、前言1、PyCharm的安装步骤：2、Python的安装步骤：3、AnaConda的安装步骤：4、CUDA的安装步骤：5、cuDNN安装步骤：6、Tensorflow—GPU配置步骤：7、在PyCharm中使用Tensorflow 0、前言我们需要安装的内容如下：Windows10 操作系统
Pycharm ：python的开发
转载
2024-05-07 10:41:10
586阅读
# 如何使用GPU加速普通的Python代码
## 引言
随着机器学习和深度学习的快速发展，使用GPU加速计算已经成为提高计算速度和效率的关键。GPU（Graphics Processing Unit）在进行图形渲染时具有强大的并行计算能力，因此也被广泛应用于科学计算和数据分析领域。本文将介绍如何使用GPU加速普通的Python代码，通过解决一个实际问题来展示GPU的优势和使用方法。
##
原创
2023-09-07 18:48:16
4027阅读
