- 文章目录 前言 I、CPU 与 GPU 的架构 1.1 CPU 和 GPU 的设计目标（应用场景） 1.2 CPU 与 GPU 的架构 ... 文章目录 前言 I、CPU 与 GPU 的架构 1.1 CPU 和 GPU 的设计目标（应用场景） 1.2 CPU 与 GPU 的架构 ...
- Pytorch gpu加速方法 原文： https://www.zhihu.com/question/274635237 relu 用 inplace=True用 eval() 和 with torch.no_grad():每个 batch 后认真的把所有参数从 GPU 拿出来后删除虽然... Pytorch gpu加速方法 原文： https://www.zhihu.com/question/274635237 relu 用 inplace=True用 eval() 和 with torch.no_grad():每个 batch 后认真的把所有参数从 GPU 拿出来后删除虽然...
- Profiler overview Unity 官方说明文档及翻译： The Unity Profiler Window helps you to optimize your game. It reports for you how much time is spent in the various areas of your game. For example, i... Profiler overview Unity 官方说明文档及翻译： The Unity Profiler Window helps you to optimize your game. It reports for you how much time is spent in the various areas of your game. For example, i...
- @Author：Runsen 动态计算图 在深度学习中使用 PyTorch 的主要原因之一，是我们可以自动获得定义的函数的梯度/导数。 当我们操作我们的输入时，会自动创建一个计算图。该图显示了如何从输入到输出的动态计算过程。 为了熟悉计算图的概念，下面将为以下函数创建一个： 这里的 x x x 是我们的参数，我们想要优化（最大化或最小化）输出 y y @Author：Runsen 动态计算图 在深度学习中使用 PyTorch 的主要原因之一，是我们可以自动获得定义的函数的梯度/导数。 当我们操作我们的输入时，会自动创建一个计算图。该图显示了如何从输入到输出的动态计算过程。 为了熟悉计算图的概念，下面将为以下函数创建一个： 这里的 x x x 是我们的参数，我们想要优化（最大化或最小化）输出 y y
- DistributedDataParallel (既可单机多卡又可多机多卡) 先奉上官网nn.DistributedDataParallel(model)链接 https://pytorch.org/docs/stable/generated/torch.nn.parallel.DistributedDataParallel.html#torch... DistributedDataParallel (既可单机多卡又可多机多卡) 先奉上官网nn.DistributedDataParallel(model)链接 https://pytorch.org/docs/stable/generated/torch.nn.parallel.DistributedDataParallel.html#torch...
- 文章目录 1、项目介绍 1.1、设备效果 1.2、环境 2、操作说明 2.1、Android Studio 安装配置 2.2、Android ndk 编译 3、总结 1、项目介绍 本项目在 android系统下实现全景环视的 GPU 渲染输出， 对环境搭建及编译进行说明总结。 1.1、设备效果 此版... 文章目录 1、项目介绍 1.1、设备效果 1.2、环境 2、操作说明 2.1、Android Studio 安装配置 2.2、Android ndk 编译 3、总结 1、项目介绍 本项目在 android系统下实现全景环视的 GPU 渲染输出， 对环境搭建及编译进行说明总结。 1.1、设备效果 此版...
- insightface代码： https://github.com/deepinsight/insightface 在pytorch训练时，先用gpu1训练，再用gpu2训练，加载gpu1的预训练时报错， 解决方法： 先用cpu加载模型，再转换到新的gpu id上， 代码如下： self.weight: torch.Tensor = torch.load(sel... insightface代码： https://github.com/deepinsight/insightface 在pytorch训练时，先用gpu1训练，再用gpu2训练，加载gpu1的预训练时报错， 解决方法： 先用cpu加载模型，再转换到新的gpu id上， 代码如下： self.weight: torch.Tensor = torch.load(sel...
- 参考：https://www.jianshu.com/p/a014016723d8 1. 改变系统变量使得仅目标显卡可见 export CUDA_VISIBLE_DEVICES=0 #这里是要使用的GPU编号，正常的话是从0开始 在程序开头设置os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3' CUDA_V... 参考：https://www.jianshu.com/p/a014016723d8 1. 改变系统变量使得仅目标显卡可见 export CUDA_VISIBLE_DEVICES=0 #这里是要使用的GPU编号，正常的话是从0开始 在程序开头设置os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3' CUDA_V...
- 单GPU： import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" 多GPU： device_ids = [0,1,2,3] model = model.cuda(device_ids[0]) model = nn.DataParallel(model, device_ids=device_ids) optimizer = o... 单GPU： import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" 多GPU： device_ids = [0,1,2,3] model = model.cuda(device_ids[0]) model = nn.DataParallel(model, device_ids=device_ids) optimizer = o...
- OpenCL（全称Open Computing Language，开放运算语言）是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境，便于软件开发人员为高性能计算服务器、桌面计算系统、手持设备编写高效轻便的代码，而且广泛适用于多核心处理器(CPU)、图形处理器(GPU)、Cell类型架构以及数字信号处理器(DSP)等其他并行处理器[1]。... OpenCL（全称Open Computing Language，开放运算语言）是第一个面向异构系统通用目的并行编程的开放式、免费标准，也是一个统一的编程环境，便于软件开发人员为高性能计算服务器、桌面计算系统、手持设备编写高效轻便的代码，而且广泛适用于多核心处理器(CPU)、图形处理器(GPU)、Cell类型架构以及数字信号处理器(DSP)等其他并行处理器[1]。...
- 今天在ubuntu service 14.04 下搭建 OpenCL +OpenCV 环境， 前期安装了 CUDA7.5 ，再安装caffe，出现了上述异常。 异常原因； makefile.config中有cuda版本限制，设置的参数有可能cuda不支持。 如下： # For CUDA < 6.0, comment the *_50 through *_61... 今天在ubuntu service 14.04 下搭建 OpenCL +OpenCV 环境， 前期安装了 CUDA7.5 ，再安装caffe，出现了上述异常。 异常原因； makefile.config中有cuda版本限制，设置的参数有可能cuda不支持。 如下： # For CUDA < 6.0, comment the *_50 through *_61...
- cuda9.1不支持tensorflow1.6，1.5 cuda9.0 支持tensorflow1.6，1.5 cuda9.1想要支持的继续看： mind/wheels是tiny mind开发的为Linux准备的特殊版本的tensorflow，包含支持CUDA9.1的tensorflow。 fo40225/tensorflow-windows-wheel是为了windows... cuda9.1不支持tensorflow1.6，1.5 cuda9.0 支持tensorflow1.6，1.5 cuda9.1想要支持的继续看： mind/wheels是tiny mind开发的为Linux准备的特殊版本的tensorflow，包含支持CUDA9.1的tensorflow。 fo40225/tensorflow-windows-wheel是为了windows...
- 这两个也要看： https://zhuanlan.zhihu.com/p/29029860 https://zhuanlan.zhihu.com/p/34942873 Windows下编译tensorflow-gpu教程 官方文档： 1. 在windows下安装tensorflow 2. 在windows下编译... 这两个也要看： https://zhuanlan.zhihu.com/p/29029860 https://zhuanlan.zhihu.com/p/34942873 Windows下编译tensorflow-gpu教程 官方文档： 1. 在windows下安装tensorflow 2. 在windows下编译...
- pytorch 多GPU训练 pytorch多GPU最终还是没搞通，可用的部分是前向计算，back propagation会出错，当时运行通过，也不太确定是如何通过了的。目前是这样，有机会再来补充 pytorch支持多GPU训练，官方文档（pytorch 0.30）给了一些说明：pytorch数据并行，但遗憾的是给出的说明并不详细。不过说的还是蛮清楚的，建... pytorch 多GPU训练 pytorch多GPU最终还是没搞通，可用的部分是前向计算，back propagation会出错，当时运行通过，也不太确定是如何通过了的。目前是这样，有机会再来补充 pytorch支持多GPU训练，官方文档（pytorch 0.30）给了一些说明：pytorch数据并行，但遗憾的是给出的说明并不详细。不过说的还是蛮清楚的，建...
- python: from theano import function, config, shared, sandbox import theano.tensor as T import numpy import time vlen = 10 * 30 * 768 # 10 x #cores x # threads per core iters = 1000... python: from theano import function, config, shared, sandbox import theano.tensor as T import numpy import time vlen = 10 * 30 * 768 # 10 x #cores x # threads per core iters = 1000...
上滑加载中
推荐直播
-
用码道，让你的AI作品三步上朋友圈2026/08/04 周二 19:00-20:00
林华鼎-华为云AI开发者运营负责人
从入门 · 到做AI应用 · 到企业级开发。不教编程，只教用AI · 零代码、有产出、能带走、可炫耀 · 每课人人动手实操
回顾中 -
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
基于华为云码道，构建你的定制化AI搭子2026/08/14 周五 09:00-11:30
明亮-华为云开发者发展与支持部部长
本期直播将向您全面介绍华为云码道产品，并基于码道手把手教你部署自己的定制化AI陪伴搭子。
回顾中
热门标签