gpu 第9页

Vortex GPGPU的github流程跑通与功能模块波形探索（四）

文章目录前言一、demo的输入文件二、trace_csv三、2个值得注意的点3.1csv指令表格里面的tmask？3.2rtlsim和simx的log文件？总结前言跟着前面那篇最后留下的几个问题接着把输出波形文件和csv文件的输入、输出搞明白！一、demo的输入文件该文件夹下的内容包括：dention@dention-virtual-machine:~/Desktop/vortex/vortex/

·2025-06-07 09:15

【linux】服务器限制客户端ssh访问

只允许特定客户端访问服务器审计追踪：方便根据SSH密钥追踪访问者1实现方式1.1客户端生成SSH密钥以windows为例，以ssh-keygen-trsa命令生成密钥PSE:\>ssh-keygen-trsaGeneratingpublic

BreezeDove·2025-06-07 06:47

【PyTorch】CUDA基础知识

NVIDIACUDA显卡中包含一个GPU，它能够以高度并行化的方式实现矩阵乘法。在很长一段时间，英伟达（NVIDIA）的GPU市场份额一直保持领先。他们有一套成熟的软件工具，可以充分利用硬件加速。

沐兮Krystal·2025-06-07 05:08

开源 vGPU 方案：HAMi,实现细粒度 GPU 切分

本文主要分享一个开源的GPU虚拟化方案：HAMi，包括如何安装、配置以及使用。

·2025-06-07 01:34

ubuntu20.04使用docker部署ubuntu16.04环境

ubuntu16.04环境3.查看镜像4.启动镜像的一个容器5.进入容器并查看环境使用docker起因刚开始学习机器学习、深度学习都是使用的笔记本(只有集显)；后来做NLP项目需要训练bert这种大模型，训练是必须要用GPU

NUAA1703·2025-06-06 23:32

采用 Docker & GPU 部署的 Ubuntu 或者 windows 桌面环境

#国内下载不了dockerpullgezp/ubuntu-desktop:24.04-cu12.6.2#阿里云镜像dockerpullregistry.cn-hongkong.aliyuncs.com/gezp/ubuntu-desktop:24.04-cu12.6.2#createcontainerwithnomachinedockerrun-d--restart=on-failure--nam

深度求索者·2025-06-06 23:31

unsloth微调Qwen3模型实战

一、前言Unsloth是一个专注于优化大型语言模型（LLMs）微调效率的开源框架，旨在显著提升训练速度并降低显存占用，使得在资源有限的硬件（如单张消费级GPU）上高效微调大模型成为可能。

韭菜盖饭·2025-06-06 22:19

YOLO在QT中的完整训练、验证与部署方案

配置环境：安装必要的软件，包括Python3.x、CUDA（用于GPU加速）、CUDNN

LeonDL168·2025-06-06 15:03

手把手教你学PCIE--内存管理（2）-基本概念： UMD（用户模式驱动）、KMD（内核模式驱动）和 DDK（设备驱动开发工具包）之间的关系

目录示例背景步骤详解具体流程图示总结了更好地理解UMD（用户模式驱动）、KMD（内核模式驱动）和DDK（设备驱动开发工具包）之间的关系以及它们如何协同工作，我们可以考虑一个具体的示例：使用VulkanAPI提交一个简单的图形渲染作业到GPU

小蘑菇二号·2025-06-06 14:27

＜记录＞基于pytorch的cifar-10卷积神经网络（CNN）分类

0，开始之前（不使用GPU可以直接跳到第一步）运行环境：win10+py3.7.8+pycharm（可选部分：GPU环境：GTX1660+cuda10.2+cudnn8.1.0）cuda和cudnn简单的说就是两个用于机器学习的包

shc9912·2025-06-06 12:17

springboot Ehcache缓存配置

org.springframeworkspring-context-supportnet.sf.ehcacheehcacheorg.apache.shiroshiro-ehcache1.3.2新建配置类文件（注意启动类的扫描范围，可自定义扫描）@Configuration@EnableCachingpublicclassCacheConfig

baicu7502·2025-06-06 11:07

《PyTorch Hub：解锁深度学习模型的百宝箱》

据统计，训练一个像GPT-3这样的大规模语言模型，可能需要数千块GPU芯片并行计算数月之久，成本高达数百

空云风语·2025-06-05 22:11

Jetson Nano 2GB训练yolo11n模型（本地训练使用GPU）

温馨提示本篇文章是在Jetsonnano2gb的10W模式和关闭图形化界面的条件进行的，请确保你的条件符合要求。#关闭图形化界面sudosystemctlset-defaultmulti-user.targetsudoreboot#开启图形化界面sudosystemctlset-defaultgraphical.targetsudoreboot#开启Jetsonnano2gb的最高功率模式sudo

·2025-06-05 19:17

window 显示驱动开发-DirectX VA 2.0 的视频解码加速

关键特性包括：利用GPU进行解码，减轻CPU负担支持部分解码和完全解码模式提供统一的接口访问不同硬件厂商的解码能力2.创建视频解码设备创建视频解码设备的

程序员王马·2025-06-05 17:07

.NET 玩转 PaddleSharp：通天猿臂，AI一把抓

而且，它不仅能在Windows下霸气外露，还能飞到Linux下继续骚操作，GPU、CPU、表格识别、OC

许泽宇的技术分享·2025-06-05 16:55

Docker使用手册

dockerrunDockerrun命令基本结构：dockerrun[OPTIONS]IMAGE[:TAG|@DIGEST][COMMAND][ARG...]sudodockerrun--privileged--gpu

一只积极向上的小咸鱼·2025-06-05 15:54

OpenCV CUDA模块图像处理------创建CUDA加速的Canny边缘检测器对象createCannyEdgeDetector()

ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述该函数用于创建一个CUDA加速的Canny边缘检测器对象（CannyEdgeDetector），可以在GPU

村北头的码农·2025-06-05 15:51

NOV Chart for .NET 2025 Crack

NOVChartfor.NET2025CrackNOVChartfor.NET2025.1addsGPU-acceleratedFastBar,FastLineandFastPointseriestorendermillionsofdatapointsinrealtime.NOVChartfor.NETbyNevronisacomprehensive.NETchartingcomponentsui

SEO-狼术·2025-06-05 15:51

打卡第35天：GPU训练以及类的Call方法

知识点回归：1.CPU性能的查看：看架构代际、核心数、线程数2.GPU性能的查看：看显存、看级别、看架构代际3.GPU训练的方法：数据和模型移动到GPUdevice上4.类的call方法：为什么定义前向传播时可以直接写作

Shining_Jiang·2025-06-05 14:16

开源量子模拟引擎：Quantum ESPRESSO本地部署教程，第一性原理计算轻松入门！

QuantumESPRESSOGPU版本支持GPU加速，该部署版本为q-e-7.4.1。

算家计算·2025-06-05 00:00

(LLaMa Factory)大模型训练方法--准备模型（Qwen2-0.5B）

风起晨曦·2025-06-04 23:21

vLLM vs Ollama

一、介绍vLLM:VLLM（超大型语言模型）是SKYPILOT开发的推理优化框架，主要用于提升大语言模型在GPU上的运行效率。

iranw·2025-06-04 22:49

ROS机器人和NPU的往事和新知-250602

ROS机器人与NPU的往事与新知一、往事：从分离到融合的探索早期机器人系统的算力瓶颈传统ROS机器人依赖CPU/GPU进行感知、决策与控制，但在复杂场景（如动态环境导航、多传感器融合）中，实时性与能效比成为瓶颈

zhangrelay·2025-06-04 17:07

URP源码学习（七）一些细节和理解

RT理解RT是什么，用在哪首先rt是一张特殊贴图，这张贴图对应的是GPU上的FrameBuffer，一般用到的是颜色和深度，从这张图取数据用于计算，或是直接对这张图进行修改，以得到想要的效果。

真像大白阿·2025-06-04 16:56

Python报错：AssertionError: Torch not compiled with CUDA enabled

raiseAssertionError("TorchnotcompiledwithCUDAenabled")AssertionError:TorchnotcompiledwithCUDAenabled这个提示就是应用想使用GPU

漫游者Nova·2025-06-04 10:14

OpenCV CUDA模块图像处理------双边滤波的GPU版本函数bilateralFilter()

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述该函数在GPU上执行双边滤波操作，是一种非线性平滑滤波器，能够在保留边缘的同时去除噪声

村北头的码农·2025-06-04 09:34

nvidia-device-plugin实现gpu虚拟化

简介NVIDIAdeviceplugin是以dameonset方式部署到k8s集群,部署后可以实现:暴露集群中n每个node节点的gpu数量跟踪gpu健康状态可以在k8s集群中运行gpu容器前置条件NVIDIAdrivers

riverz1227·2025-06-04 09:34

# 使用 Micromamba 安装 vLLM 并运行最小模型（facebook/opt-125m）

️环境准备系统：UbuntuPython版本：3.10包管理器：MicromambaGPU：NVIDIA（CUDA支持）创建环境并安装vLLM#创建micromamba环境micromambacreate-nvllmpython

老大白菜·2025-06-03 22:14

自动混合精度（AMP）训练在低版本显卡上的使用问题

AMPtrainingonNVIDIAGeForceGTX1660SUPERGPUmaycauseNaNlossesorzero-mAPresults,soAMPwillbedisabledduringtraining

shangjg3·2025-06-03 16:57

CUDA内存溢出问题解决方案

这个错误表明你的GPU内存不足，无法分配所需的76MB内存。GTX1660SUPER只有6GB显存，在处理大型深度学习模型时确实容易遇到内存不足的问题。

shangjg3·2025-06-03 16:57

MiniCPM-o 2.6 技术解析：端侧可用的 GPT-4o 级多模态大模型

二、核心能力亮点1.视觉理解能力全面超越️2.双语实时语音对话+情绪控制3.实时多模态流式能力⚡4.高效+端侧可部署三、部署实践与生态支持✅本地部署Demo（适配CPU/GPU）✅框架支持广泛四、模型性能评估小结五

gs80140·2025-06-03 12:04

python打卡day34

GPU训练及类的call方法知识点回归：CPU性能的查看：看架构代际、核心数、线程数GPU性能的查看：看显存、看级别、看架构代际GPU训练的方法：数据和模型移动到GPUdevice上类的call方法：为什么定义前向传播时可以直接写作

(・Д・)ノ·2025-06-03 07:27

深度学习FPGA开发方式

https://blog.csdn.net/weixin_35729512/article/details/79763952FPGA深度学习的方向概述传统的CNN（Tensorflow、caffe）是在GPU

jack_201316888·2025-06-03 01:45

centos中docker:Error response from daemon: could not select device driver ““ with capabilities: [[gpu

centos进行docker跑程序出现问题想要在docker上面深度学习模型时，出现了来自daemon的错误响应:couldnotselectdevicedriver“”withcapabilities:[[gpu

干饭喵·2025-06-03 00:05

对比传统GPU服务器，为什么建议选择IEC企业私有云存储言案 ?

Infortrend企业云（IEC）—是一个强大的私有云平台，集成了计算、存储和Kubernetes管理功能于一体。专为企业量身定制，凭借高扩展、高性能和高可靠的产品特性，打造企业IT基础建设新篇章。

smart1998·2025-06-02 14:52

在选购高性能显卡（GPU）时，两个风扇与三个风扇：GPU 风扇越多越好吗？

在选购高性能显卡（GPU）时，消费者常常会被各种规格参数和设计选择所困扰，其中一个常见的问题是：风扇数量对GPU性能和散热效果到底有多大影响？

wljslmz·2025-06-02 13:16

window 显示驱动开发-支持多个处理器

驱动自主优化UMD需硬件特定优化（如GPU引擎绑定、NUMA感知内存分配）。2.运行时自动优化的特

程序员王马·2025-06-02 12:07

Ubuntu20.04CUDA及cuDNN安装教程

以下是针对Ubuntu20.04安装CUDA和cuDNN的详细教程，包含版本选择、步骤解释、验证方法及常见问题解决方案：一、安装前的准备1.硬件与系统要求GPU支持：确保你的NVIDIAGPU支持CUDA

吃旺旺雪饼的小男孩·2025-06-02 10:26

关于安装Pytorch中torch.cuda.is_available()为False的解决方案

关于安装Pytorch无法调用GPU运算的解决方案之一解决torch.cuda.is_available()返回False原因之一：错下了CPU版本的Pytorch下图为失败案例解决方案解决torch.cuda.is_available

淡水渔人码头丶·2025-06-02 09:24

大模型实战—个人AI大脑Khoj 本地部署

离线模型+GPU如果您想使用离线聊天模

不二人生·2025-06-02 09:49

开源AI数字人分身克隆小程序源码系统深度剖析：从搭建到应用

CPU需具备多核心处理能力；GPU在数字人形象渲染、动作模拟等环

源码师傅·2025-06-02 08:44

Unity性能优化全攻略：从原理到实践的深度解析

本文将系统性地介绍Unity项目中最常见且有效的性能优化方案，涵盖CPU、GPU、内存和资源管理等多个维度，帮助开发者打造流畅的游戏体验。

small-pudding·2025-06-02 07:05

GPU深度学习性能的三驾马车：Tensor Core、内存带宽与内存层次结构

这篇文章可以帮助我们了解GPU对深度学习性能的多个影响因素，从而帮助我们评估、选用GPU。本文将按照GPU各组件的重要程度顺序来进行介绍。

m0_70960708·2025-06-02 07:34

教大家细分webGL，webGPU，unity3D和UE4

一、四者都能进行3D图形渲染它们之间有一些区别：WebGPU：WebGPU是一种Web图形API，是基于底层的GPU硬件架构设计的，可以更好地利用现代GPU的并行计算能力，提供更高的图形渲染性能。

新中地GIS开发老师·2025-06-02 02:25

【FlashRAG】本地部署与demo运行（二）

这里CPU/GPU版本可

NaturalHarmonia·2025-06-01 23:38

2、PyTorch基础教程：从张量到神经网络训练

张量（Tensor）：PyTorch的核心数据结构，支持多维数组，并可以在CPU或GPU上进行加速计算。自动求导（Autograd）：PyTorch提供了

AI风老师·2025-06-01 23:06

window 显示驱动开发-GPU 抢占（三）

实现中的内存映射注意事项按照本指南创建支持Windows8GPU抢占模型的可靠驱动程序，并提供高质量的用户体验：当Dxgkrnl计划程序发送抢占命令时，请求抢占GPU中的中间DMA缓冲区。

程序员王马·2025-06-01 15:38

基于python部署paddleocrv5的onnx模型PPOCRv5模型部署源码+onnx模型+使用说明

繁体中文、中文拼音、英文和日文识别无需深度学习训练框架，可直接部署使用支持ARM和x86架构高性能推理，识别速度快识别精度与PaddleOCR保持一致2.环境要求Python>=3.8CUDA支持（如果使用GPU

FL1623863129·2025-06-01 15:35

爆肝优化！FlashAttention-2性能飙升实战：从原理解析到PyTorch 2.2深度优化（附代码与Benchmark）

传统注意力机制的性能瓶颈在大模型训练中，标准Transformer注意力面临三大痛点：内存爆炸：序列长度L=4096时，注意力内存占用达O(L²)，A100显存仅能支持批量大小16计算低效：矩阵乘法占比超70%，GPU

游戏人生的NPC·2025-06-01 13:26

第四篇：Python 高级-高性能计算加速秘籍

本篇将深入探讨向量化计算的深度优化以及如何借助CUDA编程与GPU加速来显著提升Python计算效率。

程序员勇哥·2025-06-01 07:11

推荐频道

gpu