gpu

CppCon 2018 学习:RAPID PROTOTYPING OF GRAPHICS SHADERS IN

这段内容在讲**着色器（Shader）**的基础概念，尤其是它在现代GPU（图形处理单元）中的作用。
虾球xz·2025-07-06 07:37

用WebGPU实现现代Web3D渲染——突破传统性能瓶颈的解决方案

而WebGPU作为一种新兴的Web标准，为现代3D渲染提供了强大而高效的解决方案。本文将探讨如何使用WebGPU实现高效的Web3D渲染，逐步构建一个简单的渲染引擎，并介绍其在性能和功能上的优势。
桂月二二·2025-07-06 03:48

AkariRender：高性能CPU/GPU物理渲染器

AkariRender：高性能CPU/GPU物理渲染器akari_renderHighPerformanceCPU/GPUPhysicallyBasedRenderer项目地址:https://gitcode.com
解岭芝Madeline·2025-07-06 03:17

ppocrv5训练参数设置完整配置(实测在2080ti可成功运行且f1＞85%)

Global:model_name:PP-OCRv5_server_det#Tousestaticmodelforinference.debug:falseuse_gpu:trueepoch_num:&
·2025-07-06 01:37

【零基础学AI】第22讲：PyTorch入门 - 动态图计算与图像分类器实战

本节课你将学到理解PyTorch的核心概念和优势掌握张量(Tensor)的基本操作学会使用动态计算图构建神经网络实现一个完整的图像分类器项目训练模型并进行预测开始之前环境要求Python3.8+建议使用GPU
1989·2025-07-05 17:39

ThreeJS—自定义着色器

ThreeJS自定义着色器说起着色器的学习，强烈推荐康玉之编写的《GPU编程与CG语言之阳春白雪下里巴人》，尤其是此书的序言部分针砭时弊毫无隐晦的指出了当今学术现状的问题，更是发出了“开天辟地，日月重光
·2025-07-05 14:43

[读论文] Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview

与使用启发式算法或专家精心设计的算法的传统求解器相比，机器学习凭借其数据驱动的性质显示出了广阔的前景，它可以减少对知识和先验的依赖，并且通过其先进的计算范式具有更大的可扩展性(例如GPU加速的深度网络)
SP FA·2025-07-05 07:57

VRR（可变刷新率）和QMS（快速媒体切换）

一、技术原理的本质区别技术VRR(可变刷新率)QMS(快速媒体切换)核心目标消除动态帧率波动导致的画面撕裂/卡顿消除静态帧率切换时的黑屏中断工作机制实时调整显示器刷新率（Hz）匹配GPU输出帧率（FPS
TrustZone_·2025-07-05 06:20

paddleOCR模型的安装和使用

paddlepaddle.github.io/PaddleOCR/main/quick_start.html#2-paddleocr环境安装python-mpipinstallpaddlepaddle-gpu
九日卯贝·2025-07-05 03:03

《深度学习》—— PyTorch的介绍及PyTorch的CPU版本安装

、torch、torchvision、torchaudio三个库的介绍一、PyTorch的简单介绍PyTorch是一个由FacebookAI实验室开发的深度学习框架，它基于Python，并提供了高效的GPU
张小生180·2025-07-05 01:24

OpenCV CUDA模块设备层-----在GPU 上高效地执行两个 uint 类型值的最大值比较函数vmax2()

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述OpenCV的CUDA模块（cudev）中的一个设备端内联函数，用于在GPU
村北头的码农·2025-07-05 01:19

视频工具箱 1.1.1 |小而美的视频处理工具，支持多种常用功能

此外，VideoTools还支持GPU加速（兼容Intel、AMD、Nvidia显卡），让视
星图软件库·2025-07-04 22:31

【Linux】电脑安装 Ubuntu 系统

桌面镜像二、安装步骤1.下载iso镜像2.基于balenaEtcher写入镜像文件3.U盘启动安装总结前言多数情况下，我们通过虚拟机，如Vmware安装linux系统，但有时候为了更好的分配电脑的CPU或GPU
·2025-07-04 18:36

【Note】《深入理解Linux内核》Chapter 13 ：深入理解 Linux 内核中的 I/O 架构与设备驱动

设备多样性（硬盘、串口、键盘、GPU）；设备访问方式差异极大；用户空间程序期望统一的访问接口
CodeWithMe·2025-07-04 17:28

怎么看GPU好坏，有哪些关键指标，显卡性能参数全解析

本文推荐使用gpu-z软件，它能全面展现显卡各项参数，帮助您判断显卡优劣。
芥子沫·2025-07-04 15:39

DeepSpeed zero1，zero2，zero3和FSDP区别详解

1.基本概念DeepSpeedZeROZeRO是由MicrosoftDeepSpeed团队开发的一种内存优化技术，旨在通过分片模型状态来训练超大模型，减少每个GPU的内存占用，同时避免传统模型并行（如张量并行或流水线并行
ALGORITHM LOL·2025-07-04 14:07

Linux|ubuntu22.04安装CUDA最新完整教程

文章目录一、安装前准备工作查看GPU和型号查看GCC版本*下载gcc12*检查驱动二、安装CUDAToolkit*安装驱动三、安装后的工作必要操作推荐的操作开启守护进程模式删除本地下载安装包四、验证删除
·2025-07-04 07:43

android 卡顿和丢帧区别

本质差异维度卡顿（Jank）丢帧（FrameDrop）定义界面长时间无响应（如点击延迟>200ms）动画/滚动不连贯（如帧率从60fps突降至40fps）触发根源主线程阻塞（耗时计算、I/O、锁竞争）GPU
summerkissyou1987·2025-07-04 02:46

Android Profiler 丢帧分析教程及案例

以下为基于最新实践的‌AndroidProfiler丢帧分析全流程指南及实战案例‌，结合权威技术文档与优化经验（2025年更新）：一、Profiler丢帧分析核心流程环境配置与数据抓取‌bashCopyCode启用GPU
summerkissyou1987·2025-07-04 02:46

Android Profiler 卡顿分析教程及案例

以下是AndroidProfiler卡顿分析的完整教程及实战案例，结合最新工具操作流程与优化策略：一、卡顿分析操作教程1.环境配置开启GPU调试：设备设置→开发者选项→启用GPU渲染分析和GPUProfiler
summerkissyou1987·2025-07-04 02:46

android-性能分析

实时监测CPU/内存/网络/能耗火焰图分析、内存泄漏检测（支持Activity/Fragment自动检测）AndroidStudio3.6+Perfetto系统级追踪（替代Systrace）线程调度、GPU
·2025-07-04 02:15

【AI Infra】基础学习汇总篇

，后续继续完善和扩充(●’◡’●)文章目录一、分布式与并行基础分布式计算高性能并行GPU硬
逆羽飘扬·2025-07-04 01:41

【Python基础】13 知识拓展：CPU、GPU与NPU的区别和联系

引言：处理器大战背后的技术革命在人工智能蓬勃发展的今天，我们经常听到CPU、GPU、NPU这些术语，但你是否真正理解它们之间的区别和联系？
智算菩萨·2025-07-04 01:11

PCIe Crosslink

这种技术主要用于高性能计算（HPC）、FPGA加速、GPU直连等场景，以降低延迟并提高带宽利用率。1.PCIeCrossl
zly8865372·2025-07-04 00:31

Skia图形库：绘制2D世界的核心组件

支持CPU/GPU/PDF/SVG多种渲染后端，广泛应用于Chrome、Flutter等项目中，提供从基础绘图到高级特效
·2025-07-03 23:57

Web3.0时代的安全悖论：去中心化如何反被中心化攻击？

详细内容扩展：技术解析：Solana链上RugPull攻击手法复盘（3亿美元被盗）中心化交易所安全措施对比（CoinbasevsBinance安全预算）合规框架：SEC监管动态：Howey测试最新应用案例税务合规工具
5GOrDiejfgf·2025-07-03 14:51

pytorch官方文档60分钟入门笔记

/blog.csdn.net/u014630987/article/details/786690511.张量（Tensors）tensors和numpy的ndarray类似,但是tensors可以使用GPU
xiaodidadada·2025-07-03 08:41

零基础起步：基于GpuGeek的文本生成模型实战

本文将带领读者使用GpuGeek平台，从注册、上传数据到实例部署与训练，完整构建一个基于GPT2模型的文本生成系统，实战掌握AI模型的云端开发流程。
昊昊该干饭了·2025-07-03 06:54

使用GPU进行机器学习训练时，如果GPU-Util计算核心满载工作但是显存占用较少，应该如何优化？

如果任务运行正常：无需干预（GPU设计本就是优先榨干计算性能）。如果出现卡顿或效率低下：增大batch_size：提升显存占用，减少数据搬运次数（但需避免OOM）。
十子木·2025-07-03 01:11

【jetson】Linux下nvidia Jetson烤机程序（CPU+GPU）

这里主要贴一下cpu和gpu的烤机程序。cpu为arm64，gpu是orinnano的模组。
·2025-07-03 01:40

机器学习中为什么要用混合精度训练

FP16与显存占用关系显存（VideoRAM，简称VRAM）是显卡（GPU）专用的内存。
十子木·2025-07-03 01:39

【翻译】Part4: Texture samplers.

上一部分讲的是顶点着色器，还大致介绍了通用的GPU着色器单元。总的来说，它们只是向量处理器，但它们可以访问一种在其他向量处理架构中不存在的资源：纹理采样器。
·2025-07-02 22:52

pytorch底层原理学习--PyTorch 架构梳理

完整架构流程图关键组件详解完整执行流程示例PyTorch架构梳理PyTorch完整架构流程图硬件层后端层C++部署层核心引擎(libtorchC++)绑定层Python层加载调用训练模式编译模式推理模式生成CPUGPUCPUKernelsCUDAKernelsC
xinxiangwangzhi_·2025-07-02 14:21

onnx模型部署 python_深度学习模型转换与部署那些事(含ONNX格式详细分析)

毕竟训练出来的模型不能只接受一些公开数据集和榜单的检验，还需要在真正的业务场景下创造价值，不能只是为了PR而躺在实验机器上在现有条件下，一般涉及到模型的部署就要涉及到模型的转换，而转换的过程也是随着对应平台的不同而不同，一般工程师接触到的平台分为GPU
weixin_39759270·2025-07-02 11:02

OpenCV CUDA模块设备层-----双曲正切函数tanh()

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述OpenCV的CUDA模块（cudev）中的一个设备函数，用于在GPU
村北头的码农·2025-07-02 11:26

OpenCV CUDA模块设备层-----二值化阈值操作函数thresh_binary_func()

这个函数返回一个仿函数（functor），用于在GPU上执行二值化阈值处理（ThresholdBin
·2025-07-02 10:22

从源码编译 ONNX Runtime GPU 1.18.2 并验证 CUDA 推理成功

文章目录从源码编译ONNXRuntimeGPU1.18.2并验证CUDA推理成功【实测环境+完整步骤】✅环境信息（实测成功）第一步：获取源码️第二步：编译命令参数说明（重点）第三步：安装构建好的`.whl
草莓奶忻·2025-07-02 09:41

Ubuntu 22.04 庙算平台训练环境搭建指南

本文记录了基于Ubuntu22.04.3LTS的训练环境搭建过程，适用于需要部署庙算推演离线平台的用户，支持GPU（可选）。
笑衬人心。·2025-07-02 03:00

Mac mini 跑 DeepSeek R1 及 QwQ-32B模型实测报告

32B（原版/量化版）测试目标：硬件性能适配性、推理速度、内存占用及优化方案一、Macmini硬件配置概览配置项M4基础款（16GB）M4Pro高配（32GB/64GB）芯片M4（10核CPU/10核GPU
强哥之神·2025-07-01 21:16

口扫系统软件的架构设计流程

[结构光图像流]↓解码结构光图案↓三角测量计算深度↓点云生成并去噪滤波↓实时配准/拼接(可选ICP/Odometry)↓网格重建（如MarchingCubes或BallPivoting）↓GPU显示（OpenGL
老猿的春天·2025-07-01 16:41

GPU 分布式通信加速黑马！DeepEP 的实战与深度剖析

DeepSeek.ai推出的DeepEP，专为MoE/EP通信优化，实现了GPU原生高吞吐、低延迟通信，极大释放了底层硬件潜力。
DeepLink_01·2025-07-01 10:33

告别GPU焦虑：如何在纯CPU服务器上，打造高性能Embedding服务？

兄弟们都懂，GPU它香啊，但它也贵啊！很多时候，咱只能在有限的资源里想办法。
ezl1fe·2025-07-01 10:02

本地部署Qwen3小参数版本实测：并非鸡肋

另一方面，大模型对硬件要求较高，尤其是对GPU的性能和显存容量有一定要求。如果硬件不达标，模型运行起来可能会很慢，甚至根本无法运行。而且，
程序员寒山·2025-07-01 09:56

高性能AI核心板Z3588CV1：基于瑞芯微RK3588的旗舰级解决方案——8K视觉处理 · 6TOPS NPU算力 · 多场景边缘计算

RK3588处理器技术细节计算单元CPU：4×[email protected]（大核集群）4×[email protected]（能效集群）支持ARMDynamIQ混合架构，可实现任务智能调度GPU：
九鼎创展科技·2025-07-01 07:18

如何搭建基于RK3588的边缘服务器集群？支持12个RK3588云手机

软件部署及优化要点：️‌一、硬件集群架构设计‌‌节点基础配置‌‌核心单元‌：单节点采用RK3588核心板（4×[email protected]+4×[email protected]），集成6TOPSNPU及Mali-G610GPU
XMAIPC_Robot·2025-07-01 07:17

商品类目一览

请求地址productCategory传入product_id，得到结果交流：5b6u5L+hIGpudG9vbA=={"data":{"alternative_categories":[{"category_id
乱乱乱乱·2025-07-01 06:37

信创背景下应用软件迁移解析：从政策解读到落地实践方案

信创（信息技术应用创新）是指用我国自主研发的基础软硬件产品实现对国外产品的替代，特别是在CPU、GPU及操作系统等关键领域。其核心目标是解决核心技术"卡脖子"问题，构建安全可控的IT底层架构和标准。
tianzhiyi1989sq·2025-07-01 00:06

什么是Alpha测试和Beta测试？

Beta测试≈真实世界的"路测实验"交给真实用户在实际环境中使用，比如某知名手游的Beta测试期间，我们发现了iOS14.3特定版本下的GPU内存泄漏问题，这种问题在模拟器上根本无法复现。2.
海姐软件测试·2025-07-01 00:32

CARLsim开源程序 是一个高效、易用、GPU 加速的软件框架，用于模拟具有高度生物细节的大规模脉冲神经网络 （SNN） 模型。

一、软件介绍文末提供程序和源码下载CARLsim是一个高效、易用的GPU加速库，用于模拟具有高度生物学细节的大规模脉冲神经网络（SNN）模型。
struggle2025·2025-06-30 16:06

【TVM 教程】PAPI 入门

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。
·2025-06-30 12:30
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他