cuda(GPU 第24页

GPU教程之开始在 Python 中快速使用 GPU 进行数据科学项目(教程含源码)

GPU已被证明在加速大规模计算方面非常强大，但是，有时正确配置和设置完整的GPU环境可能会很棘手。幸运的是，有一些开源工具专门用于简化GPU的软件配置，包括驱动程序和数据科学库。

知识大胖·2025-04-10 02:58

手把手教你在 Windows10 本地部署 ChatGLM

✅一、部署准备1.1硬件要求操作系统：Windows10显卡：建议使用支持CUDA的NVIDIA显卡（如RTX3060以

annus mirabilis·2025-04-09 22:59

五分钟使用ollama部署本地大模型

ollama对于环境的要求，需要python3.8及以上的版本，如果需要使用GPU进行加速，还需要nNAVIDIA显卡和CUDA驱动。2、ollama安装本次分享基于linux系统操作，其他系统按

知其_所以然·2025-04-09 19:38

重识 APO：DeepSeek 掀起可观性领域变革 | 龙蜥生态

云观秋毫作为龙蜥社区系统运维联盟成员单位，提供了基于eBPF实现的北极星指标和故障排查工作流，龙蜥社区系统运维SIG也会基于SysOM进行ContinuesProfiling的大规模数据分析、AI火焰图分析等工作流，帮助进行CPU&GPU

·2025-04-09 17:40

第T7周：咖啡豆识别

文为「365天深度学习训练营」内部文章参考本文所写文章，请在文章开头带上「声明」1.设置GPUimporttensorflowastfgpus=tf.config.list_physical_devices

weixin_50792991·2025-04-09 17:55

T8 咖啡豆识别

文为「365天深度学习训练营」内部文章参考本文所写文章，请在文章开头带上「声明」importtensorflowastfgpus=tf.config.list_physical_devices("GPU

weixin_50792991·2025-04-09 17:55

python3.7安装tensorflow-gpu_tensorflow-gpu安装的常见问题及解决方案

装tensorflow-gpu的时候经常遇到问题，自己装过几次，经常遇到相同或者类似的问题，所以打算记录一下，也希望对其他人有所帮助基本信息tensorflow-gpupip安装(virtualenv等虚拟安装实质也是

weixin_39731922·2025-04-09 15:12

A100架构解析：超算集群效能跃迁与数据处理范式重构

内容概要NVIDIAA100GPU作为第三代TensorCore架构的集大成者，其创新设计正在重塑高性能计算与人工智能的基础设施逻辑。

智能计算研究中心·2025-04-09 14:40

Python----TensorFlow（TensorFlow介绍，安装，主要模块，高级功能）

TensorFlow可以在Windows、Linux和macOS等操作系统上运行，同时也支持Android和iOS移动平台，还能在多个CPU/GPU构

蹦蹦跳跳真可爱589·2025-04-09 14:40

适用于 NVIDIA Blackwell 架构的全新软件驱动 AI 工厂高速运行

该软件可将GPU利用率提高5倍，并提高各种规模的训练和推理效率。蒸汽推动了工业时代的发展，数字时代通过软件带来了转变。

NVIDIA AI技术专区·2025-04-09 07:27

【探商宝】 Llama 4--技术突破与争议并存的开源多模态

例如：Llama4Scout（中杯）：16位专家，17B活跃参数，总参数量109B，单张H100GPU可运行INT4量化版本，支持1000万上下文窗口（约2000万字）。

探熵科技·2025-04-09 03:59

唤醒 AI 算力，专有云 ABC Stack 面向企业级智算平台的 GPU 提效实践

从「建好」到「用好」，企业级智算平台借助专有云ABCStack的GPU提效服务，应对大模型业务挑战，唤醒AI算力，加速AI原生业务的落地。

·2025-04-08 11:22

深入应用FPGA的人形机器人控制系统设计思路

深入应用FPGA的人形机器人控制系统设计思路主要包括以下几个方面：总体架构设计异构融合架构：采用CPU、GPU与FPGA异构融合的架构，充分发挥各硬件的优势。

程序员Thomas·2025-04-08 10:34

亚马逊多账号风控防护体系构建指南

一、复合型环境隔离技术解析1.1硬件指纹防护体系主板级防护：建议采用TPM2.0安全芯片存储设备指纹（如IntelvPro技术）显卡特征混淆：通过OpenGL指令集重定向实现GPU指纹动态化时钟偏移技术

跨境卫士情报站·2025-04-08 05:03

FPGA 2 ，FPGA与CPU GPU APU DSP NPU TPU 之间的关系与区别

目录前言首先，FPGA与CPUGPUAPUNPUTPUDSP这些不同类型的处理器，可以被统称为"处理器"或者"加速器"。

北城笑笑·2025-04-08 04:59

Ubuntu 16.04 + CUDA 8.0 + cuDNN v5.1 + TensorFlow(GPU support)安装配置详解

转载：https://www.cnblogs.com/wangduo/p/7383989.htmlUbuntu16.04+CUDA8.0+cuDNNv5.1+TensorFlow(GPUsupport)

caiexu·2025-04-08 04:55

关于 CUDA 的一些名词解释

显卡GPU显卡是硬件设备，也就是GPU，主要用于图形计算和高性能并行计算任务，目前尤其指NVIDIA公司生产的GPU系列。

皮卡兔子屋·2025-04-08 01:10

DeepSeek开源库DeepGEMM 性能测评

用CUDA编写，安装时无需编译，通过轻量级即时（JIT）模块在运行时编译所有内核。目前仅支持NVIDIAHopper张量核心，采用CUDA核心两级积累（提升）解决FP8张量核心积累不精确问题。

ZVAyIVqt0UFji·2025-04-08 00:30

Ubuntu 20.04息屏后唤醒系统死机处理方法

霹雳山人·2025-04-07 21:14

详解 JuiceFS 在多云架构下的数据同步与一致性

随着大模型流行，GPU算力资源正变得日益稀缺，传统的“算力跟着存储跑”的策略需要转变为“存储跟着算力跑”。

Juicedata·2025-04-07 21:10

NPU 310、310P和GPU 4090推理耗时对比

华为310、310P、GPU4090推理性能耗时对比：测试图像大小为：300*300推理卡名字单张推理耗时310100ms310P50ms409060msbatch推理耗时对比:310310P4090batch

JobDocLS·2025-04-07 20:07

D1084：5A大电流可调低压差稳压器深度解析

产品定位D1084是我们推出的5A大电流三端稳压器，支持1.5V-5.0V固定输出或1.25V基准可调输出，典型压降仅1.4V（5A时），专为高性能CPU/GPU供电设计。

青牛科技-Allen·2025-04-07 19:34

计算机系统---性能指标(1)CPU与GPU

一、计算机CPU的性能指标1.架构设计（Architecture）指令集架构（ISA）x86架构（CISC复杂指令集）：Intel/AMD主流架构，兼容Windows生态，代表产品如Intel酷睿、AMD锐龙，支持超线程（HT）和多线程技术。ARM架构（RISC精简指令集）：低功耗优势，用于移动设备（如手机、平板）及服务器（如AppleM系列、QualcommSnapdragon），通过动态指令翻

MzKyle·2025-04-07 17:46

关于funasr模型api调用

使用PYTHONAPI.PY即可启动sensevoice的API服务具体代码如下：#Setthedevicewithenvironment,defaultiscuda:0#exportSENSEVOICE_DEV

ddyzqddwb·2025-04-07 13:24

显卡、显卡驱动、cuda、cuDNN之间关系

显卡、显卡驱动、CUDA和cuDNN是构成高性能计算和深度学习环境的关键组件，它们之间有着紧密的联系。

ergevv·2025-04-07 08:54

[machine learning] Triton Server & TensorRT

一、TritonServer1.1架构介绍Triton是一个高性能的推理软件框架，它既支持GPU推理，又支持CPU推理，既能部署在server上，也能部署在端侧设备上。

进阶的小蜉蝣·2025-04-07 05:04

Unity 性能优化方案

‌Unity性能优化的主要方案包括以下几个方面‌：一、减少DrawCall‌DrawCall就是CPU调用图形编程接口，是CPU向GPU发送的命令1.CPU和GPU并行工作的原理CPU和GPU工作有一个命令缓冲区

_乐无·2025-04-06 23:25

llama.cpp 和 vLLM 的详细对比分析

llama.cpp和vLLM的详细对比分析，基于最新技术动态（2025年4月）整理：1.核心定位维度llama.cppvLLM设计目标轻量化边缘计算，突破硬件限制（如手机/树莓派）企业级高性能推理，优化GPU

MC数据局·2025-04-06 23:53

Unity中优化绘制调用整理

DrawCall指的是CPU向GPU发送渲染指令的过程，在Unity中，每次渲染一个网格时，CPU都需要向GPU发送一系列的渲染指令，这个过程被称为一次绘制调用（DrawCall）。

浅陌sss·2025-04-06 23:22

GPU 上的 Reduction（归约）和 Scan（前缀和）优化：LLVM、GPU 指令集与架构差异

在GPU上进行Reduction（归约）和Scan（前缀和）运算，如果想要最大化性能，不仅仅是写一个Kernel就完事了，还需要深入了解：LLVM优化机制GPU指令集（如shuffle、DPP、LDS、

codebat_raymond·2025-04-06 22:17

芯片介绍-RK3399微处理器

支持多操作系统：二、规格参数一、产品简介一、六核64位高性能一体板AIO-3399JD4一体板采用RK3399六核64位(A72×2+A53×4)处理器，主频高达1.8GHz，集成四核Mali-T860GPU

漂泊在海上的星星·2025-04-06 19:59

污点（Taint）和容忍度（Toleration）存在的意义和需求

和容忍度（Toleration）机制被引入主要是为了满足对集群资源更精细的调度和管理需求，以下从多个方面详细阐述它们出现的原因：节点资源隔离特殊硬件资源节点：在集群里，有些节点可能配备了特殊的硬件资源，像GPU

网络飞鸥·2025-04-06 18:23

一文详解张量并行Tensor parallel的概念和原理应用

张量并行概念张量并行（TensorParallelism）是一种模型并行技术，其核心思想是将模型的张量操作（如矩阵乘法、注意力计算等）拆分成多个子任务，分配到不同设备（如GPU）上并行执行。

OpenAppAI·2025-04-06 17:15

计算加速技术比较分析：GPU、FPGA、ASIC、TPU与NPU的技术特性、应用场景及产业生态

本文将深入剖析五类主要计算加速器——GPU、FPGA、AS

deephub·2025-04-06 15:33

Jetson orin nano（4GB--CLB套件）的烧录以及部署YoloV5与Deepstream的流程，同时分享一些实用软件。

blog.csdn.net/jam12315/article/details/130264074Jetson：jetsonorinnano（4GB）Jetpack：5.1.3Deepstream：6.3CUDA

ZJS-Dp·2025-04-06 14:58

CUDA学习--体验GPU性能

学习来源：2CUDAPython--并行计算基础-卷积计算以及共享内存_哔哩哔哩_bilibili处理一张图片的处理速度对比importcv2fromnumbaimportcudaimporttimeimportmath

停走的风·2025-04-06 13:23

jetson orin nano学习(torch+OpenCV+yolov5+)

一：入门第一件事：跟着商家教程配置哈哈指令：nvidia-smi-h帮助命令sudojtop--查看nvidia的gpu状态Tip:教程下载的pytorth,cuda,cudnn版本不一定是你项目符合的

停走的风·2025-04-06 13:22

【大模型】微调一个大模型需要多少 GPU 显存？

视频链接：微调一个模型需要多少GPU显存？

酒酿小圆子～·2025-04-06 13:50

OpenGL(三)着色器语言GLSL

着色器语言在GPU上运行的图形渲染语言，类C风格。

战术摸鱼大师·2025-04-06 09:53

七、OpenGL ES 着色器语言GLSL

一、关于着色器着色器（Shader）是在GPU上运行的小程序。从名称可以看出，可通过处理它们来处理顶点。此程序使用OpenGLESSL语言来编写。它是一个描述顶点或像素特性的简单程序。

mChenys·2025-04-06 09:53

GPU编程实战指南04：CUDA编程示例，使用共享内存优化性能

在CUDA编程中，共享内存（SharedMemory）比全局内存（GlobalMemory）效率高的原因主要与CUDA的硬件架构和内存访问特性密切相关。

anda0109·2025-04-06 07:10

深度剖析英伟达 GTC 2025：开启 AI 与计算的新纪元

一、盛会启幕，行业聚焦在科技飞速发展的当下，英伟达年度技术盛会GTC（GPUTechnologyConference）无疑是全球AI与计算领域的顶级盛宴。

代码世界的浪客·2025-04-06 06:33

使用 AMD GPU 加速推理的投机采样

SpeedUpTextGenerationwithSpeculativeSamplingonAMDGPUs—ROCmBlogs随着变压器模型的规模增长，进行推理的成本也在增加，影响了延迟和吞吐量。

109702008·2025-04-06 06:32

从渲染原理剖析如何提高 Flutter 应用性能

本文将主要讲讨论UI线程中的性能优化，由于GPU线程涉及底层Skia图形引擎的调用，相较于UI线程而言更加繁琐，对其感兴趣的同学可以观看Google官方的《深入了解Flutter的高性能图形渲染》。

鹅肝手握高V五色·2025-04-06 05:55

pytorch1.2.0 GPU安装

1.创建框架环境cmd窗口输入：condacreate-npytorch1.2.0python=3.6.52.激活环境condaactivatepytorch1.2.03.安装框架pipinstalltorch=1.2.0torchvision=0.4.0-fhttps://download.pytorch.org/whl/torch_stable.html

缘来也不错·2025-04-06 05:23

【Cuda 编程思想】CUDA线程执行原理

CUDA线程执行原理CUDA的线程执行原理是理解GPU并行计算的基础。

Mr.Lee jack·2025-04-06 04:51

deepseek开源周的所有项目总结报告

以下是对这五个项目的详细总结报告：1.FlashMLA（2月24日发布）FlashMLA是DeepSeek首个开源的代码库，针对NVIDIAHopper架构GPU（如H800）优化的高效多层注意力（MLA

LisaHusband·2025-04-06 03:40

（本地 GPU vs 云计算 vs 端侧 AI）

本文将详细介绍如何在本地GPU、云计算以及端侧AI环境中部署私有AI大模型，并给出具体实战操作指南。

晴天彩虹雨·2025-04-06 03:38

解决：CUDA error: no kernel image is available for execution on the device CUDA kernel errors

这个错误表明CUDA设备（GPU）无法执行当前的PyTorch操作，通常是因为PyTorch版本与CUDA驱动不兼容，或者GPU计算能力不被支持。

Dawn³·2025-04-05 23:13

下载 MindSpore &配置 PyTorch环境

以下是下载MindSpore并配置PyTorch环境的详细步骤，适用于常见的Linux/Windows系统（以NVIDIAGPU为例）：一、环境准备1.硬件与软件检查GPU支持：确保使用NVIDIA显卡