- @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...
- nvcc fatal : Unsupported gpu architecture 'compute_75' Tesla V100 # ARCH= -gencode arch=compute_70,code=[sm_70,compute_70] GTX 1080, GTX 1070, GTX 1060, GTX 1050, GT... nvcc fatal : Unsupported gpu architecture 'compute_75' Tesla V100 # ARCH= -gencode arch=compute_70,code=[sm_70,compute_70] GTX 1080, GTX 1070, GTX 1060, GTX 1050, GT...
- [python] view plain copy import sys import tensorflow as tf #from icon_reg_net import GoogleNet&nbs... [python] view plain copy import sys import tensorflow as tf #from icon_reg_net import GoogleNet&nbs...
- #coding:utf-8'''NDArray在GPU上计算''' from mxnet import ndfrom mxnet.gluon import nnimport mxnet as mx a = nd.array([1,2,3],ctx=mx.gpu())b = nd.zeros((3,2),ctx=mx.gpu())x = nd.array([1,... #coding:utf-8'''NDArray在GPU上计算''' from mxnet import ndfrom mxnet.gluon import nnimport mxnet as mx a = nd.array([1,2,3],ctx=mx.gpu())b = nd.zeros((3,2),ctx=mx.gpu())x = nd.array([1,...
上滑加载中
推荐直播
-
昇腾AI算法挑战赛-核心算子如何优化？专家带你深度解析2025/11/17 周一 16:00-17:00
王老师 华为算子专家
昇腾AI算法挑战赛进阶赛战鼓催征！本期直播间，我们特邀华为算子专家王老师，为你深度剖析Matmul、wholereducesum等核心算子的底层原理与优化技巧，直击赛题核心。想提升代码效率、冲击更高排名？锁定直播，带你破局！
回顾中 -
AI编码实干派，“码”力全开2026/02/26 周四 15:00-16:30
谈宗玮/于邦旭/丁俊卿/陈云亮/王一男
【中国，深圳，2026年2月26日】，以“AI编码实干派，码力全开”为主题的华为云码道（CodeArts）代码智能体新春发布会在线上成功召开。华为云码道公测版正式发布，为开发者和企业提供具备工程化能力的智能编码解决方案。
回顾中 -
华为云码道-玩转OpenClaw，开启在线养虾模式2026/03/11 周三 19:00-20:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中
热门标签