登录社区云，与社区用户共同成长
邀请您加入社区
最近你可能听过一个新的AG-UI（Agent-User InteractionProtocol）协议：定义了前端UI和后端Agent之间的集成标准。不过与MCP/A2A协议不同的是，AG-UI是从实际产品中提炼出来的标准。这个产品就是CopilotKit：一个强大的、用来集成前端UI与后端Agent的开源神器，也是AG-UI协议的参考实现。
豆瓣镜像源：https://pypi.douban.com/simple/file>>setting最后点击OK即可如果给大家解决了问题可不可以斗胆要个打赏呢谢谢啦
MCP（Model Context Protocol）是一种连接AI模型与外部工具的开放标准协议，由Anthropic推出。它扩展了AI能力，允许模型请求使用外部工具完成任务并返回结果。MCP服务器类型包括浏览器自动化、代码工具、数据库访问等。配置过程包括安装依赖、创建配置文件、启动服务等步骤。在Cursor中可添加并管理多个MCP服务器，如Web搜索、文件系统访问等工具。高级配置涉及负载均衡、安
在使用BeautifulSoup解析网页时，NoneType对象无find_all属性的错误常见且棘手。本文分析该异常的多种成因，并给出15+解决方案。常见原因包括选择器错误、网络请求失败、解析器差异等。核心排查思路包括检查选择器、验证响应状态、更换解析器及加强None检查。进阶流程建议从网络请求到页面结构逐步验证。常见场景如动态加载内容需改用Selenium或API。记住深入理解页面结构比代码更
本文系统讲解 Python 函数进阶用法，涵盖参数高级特性（位置 / 关键字参数、默认值、*args/**kwargs）及混合使用规则。深入解析函数注解、闭包、装饰器等高级特性，演示装饰器实现日志、计时等功能的实战案例。介绍生成器函数与 yield 用法，对比生成器与普通函数的内存效率差异。最后讲解函数式编程工具（lambda、map、filter、reduce）及应用场景，帮助开发者掌握函数设计
1.判断目前机器的显卡驱动是否为最新，是否需要更新驱动。2.根据要安装的tensorflow_gpu的版本，注意最开始安装的tensorflow 1.14版本要求cuda的版本是10.0,而安装时10.1，所以报错。版本Python 版本编译器编译工具cuDNNCUDAtensorflow_gpu-2.0.0-alpha0...
无
在服务器上配tensorrt遇到的坑，用来运行那个yolov5开源加速项目用的，在此记录。1、安装pycuda，安装之前先确定你的cuda和环境变量已经配置好了。比如我的cuda位置如下/usr/local/cuda-11.4/查看环境变量$ vim ~/.bashrc里面应该有这么几行export PATH="/usr/local/cuda-11.4/bin:$PATH"export LD_LI
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达来源丨OpenCV学堂OpenCV4.4 + CUDA概述OpenCV4.4中关于CUDA加速的内容主要有两个部分。第一部分是之前O...
前言记笔记真的非常有必要，因为好记性不如烂笔头，曾经填过的坑不仅可以帮助爬坑人，也可以帮助自己日后不小心又掉进坑的时候，能够快速爬出来！！！目录Ubuntu16.04LTS安装+磁盘分区NVIDIA显卡驱动安装+CUDA10.0/CUDNN7.4安装deepin-wine软件安装Anaconda3 安装Pycharm2018专业版安装...
利用Anaconda安转TensorFlow、cuda以及cuDNN教程。
为什么要在本地电脑安装 CUDA，CUDA 是什么的，用来做什么？我想，点击标题进来的小伙伴，应该都清楚这些。不管你是用来做什么，或者跟我一样为了跑 Tensorflow 的 Object Detection (目标检测)。但是我为什么要用 CUDA9，这里版本要特别注意。因为我使用的是 Tensorflow-gpu 1.10.0，为了能运行成功，最好和我的保持一致，那就开始我的踩坑流程吧。
CUDA 与 OpenGL 的互操作一般是使用CUDA生成数据，然后在OpenGL中渲染数据对应的图形。这两者的结合有两种方式： 1、使用OpenGL中的PBO（像素缓冲区对象）。CUDA生成像素数据，OpenGL直接渲染即可。 2、使用OpenGL中的FBO（顶点缓冲区对象）。CUDA生成顶点数据，OpenGL渲染。 这两种方法的核心都是将OpenG...
安装前的准备UEFI 启动GPT分区 Win10和Ubuntu16.04双系统安装ubuntu16.04 NVIDIA 驱动安装ubuntu16.04 NVIDIA CUDA8.0 以及cuDNN安装注意，在此使用的是CUDA9.0以及cuDnn7.1.4，所以可以参照上面的情况，安装本文使用的版本。不愿意官网下载，可以直接在此下载。安装Tensorflowu...
如果完全按照requirements.txt来安装的话，会发现安装的torch版本并不是gpu版本，所以得重新安装gpu版本的才能用你的gpu来训练Yolov7。解决办法 将resources.py文件放入libs文件夹，再输入python labelImg.py尝试。下载指令，我选择的是对应cuda 11.1的（其实我的cuda版本是11.2)，复制pip指令，我用的。到previous中去寻找
问题：使用CUDA进行数组元素归约求和，归约求和的思想是每次循环取半。详细过程如下： 假设有一个包含8个元素的数组，索引下标从0到7，现通过3次循环相加得到这8个元素的和，使用一个间隔变量，该间隔变量随循环次数改变（累乘）。 第一次循环，间隔变量stride等于1，将0与1号元素、2与3号元素、4与5号元素、6与7号元素相加并将结果分别保存在0、2、4、6号元素中（图中红...
共享内存（shared memory）是位于SM上的on-chip（片上）一块内存，每个SM都有，就是内存比较小，早期的GPU只有16K（16384），现在生产的GPU一般都是48K（49152）。共享内存由于是片上内存，因而带宽高，延迟小（较全局内存而言），合理使用共享内存对程序效率具有很大提升。下面是使用共享内存对一个数组进行求和，使用全局内存进行归约求和可以浏览https:...
Pytorch 选择官方传送门选择安装平台WindowsPackage一般安装了python的都知道PipLanguage嘛，人生苦短，我选PythonCuda的版本查看也hin简单，看下图从上到下就知道了，比如我的CUDA选10.2Pip安装pip3暂停住了。。当我兴致勃勃打开cmd控制台输入之后单独pip命令就报错。。于是我选择在pip后面加一个3，确实开始下载了。。但是下载到10%就暂停了。
在开展深度学习项目时，我们通常会选择合适的深度学习框架。使用深度学习框架进行模型开发，能减少大量的重复代码工作。目前最流行的深度学习框架有：TensorFLow，PyTorch，MXNec...
CUDA可以认为是一个由软件和硬件构成的并行计算系统，其依赖于GPU的并行计算单元，CUDA有类C的API，方便程序编写。其依赖于CPU和GPU的异构体系，通过在CPU上串行执行环境初始化、内存分配、数据传输，然后在GPU上执行并行计算。内存分配 1、一维int *dev_ans = 0;cudaMalloc((void**)&dev_ans, d...
【自己查看用】GeForce MX150+Python3.7.6+Anaconda3+TensorFlow-gpu 1.14.0+CUDA10.0+cudnn7.6.4+PyCharm写在最前面首先要注意版本的选择，不要盲目选择，一定要每一个安装包都查清楚版本对应关系。（以及这篇博客主要是为了记录自己的思路和遇到的bug，并不算是教程，所以很多地方写的一点都不详细）Python安装我电脑中本来已经
tensorflow2.9+CUDA11.2+cuDNN8.1 环境配置详细使用教程
将/home/user/catkin_ws/polarstream/configs/nusc/pp/polarstream_det_n_seg_1_sector.py中第5行设为nsweeps = 1,第120行设为data_root = “/home/user/data/nuSenses/v1.0-trainval01_blobs”生成instance_all。以下操作均在虚拟环境中进行。
第一章、异常问题跑一个AI算法之前的版本基本信息：Pycharm2019..3.4python3.7.2pip18.1numpy1.18.2已安装Microsoft Visual C++ Redistributable for Visual Studio 2019然后跑下面的程序：# import numpy as np...
Ubuntu18.04+python3.8.13+cuda11.2+cudnn8.1.0+mmdet2.24.1+mmcv-full 1.6.0
纯小白配置安装Anaconda+CUDA+Pytorn+PyCharm基础环境。
1. 首先是安装ubuntu16.04，然后安装独立显卡驱动，这步骤我简单说明sudo apt-get updatesudo apt-get upgrade然后直接进入系统设置里面–软件更新–额外驱动–选择安装2. 看到了我的驱动为384，因此选择装cuda时为9.0具体的驱动版本与cuda版本的关系如下：2.1开始安装 cuda9.0参考官网：https://develop...
Ubuntu18.04安装CUDA10.0+cuDNN+Pytorch一、安装显卡驱动程序选择软件与更新点击左下角设置点击附加驱动-–>选择推荐的驱动（tested）—>点击右下角应用安装完之后重启电脑验证是否安装成功，在终端输入 sudo nvidia-smi查看显卡信息最好找到系统设置左下角的详细信息部分，查看一下自己的图形卡是否已经是GeForce GTX 106...
通过对输入数据进行FP8量化，并利用Triton提供的高效矩阵计算和量化/去量化操作，这段代码可广泛应用于各种深度学习任务，尤其是在推理加速、量化感知训练和大规模矩阵运算优化方面。对于需要在内存受限的设备上部署深度学习模型的场景，使用FP8量化提供了显著的性能提升和存储节省。
python3.7+Anaconda3+CUDA10.0+cuDNN7.5.0 安装TensorFlow-GPU1.13.1，pycharm配置详细步骤配置前期准备：1.安装python3.72.安装Anaconda3并配置环境变量以上两个步骤较为简单，且不会影响下文安装，本文跳过。安装TensorFlow-GPU进入Anaconda Prompt终端在Anaconda中创建TensorFlow-
快速配置cuda,cudnn,tensorflow-gpu,帮你避开那些坑
ubuntu18.04+驱动450+CUDA10.0+cudnn7.6.5+xrdp重新装系统配置环境以及实现服务器实现远程访问（亲测，血泪史）问题描述最近服务器一直出现nvidia-smi 找不到命令 而且动不动服务器跟休眠一样，远程连接不了，多次装配无果后，决定重装系统，因此特此记录下自己两天的血泪史，（机房真的好冷，冻死了------）第一步：装系统我选择的系统是ubuntu18.04,可以
NVIDIA官网CUDA版本和显卡驱动版本对应CUDA ToolkitLinux x86_64 Driver VersionWindows x86_64 Driver VersionCUDA 11.1.1 Update 1>=455.32>=456.81CUDA 11.1 GA>=455.23>=456.38CUDA 11.0.3 Update 1>= 450.51.
关于nvidia，python，pytorch，cuda，tensorflow，cudnn 的版本对照，官方链接及简短安装
因为公司网络做了严格限制，必须使用账号登录，才能上网。必须是指定的ip地址和MAC地址设备才可以上网。windows11开启热点，安装第三方虚拟机软件，开启WSL2虚拟机都是被禁止的，否则账号会被封锁，无法上网。挺无奈的，那么就只能使用windows 11系统来安装CUDA Toolkit，Anaconda，PyTorch这些组件，使用DeepSeek 多模态模型 Janus-Pro，识别和生成图
0.基础包 确保已安装yum install mpfr cpp ppl cloog-ppl gcc kernel-devel pcre-devel libpcap-devel yum-plugin-priorities yum-conf libyaml libyaml-devel libnet flex bison gcc-c++第三步很坑的一点，官方文档也没写，要...
1、ubuntu-drivers devices查看最新驱动一定要查看以下因为比如比较老的显卡如1050，如果不安装最新驱动是无法正常安装比较新的CUDA1050默认CUDA9.1，直接安装CUDA新版本会失败2、sudo ubuntu-drivers autoinstall安装的是最新的450，可以安装CUDA103、https://developer.nvidia.com/cuda-10.0-
一、预处理：1、检测显卡驱动及型号 ##添加ELPepo源，参照网上资料有版本差异，我取最新版本，地址如下：http://elrepo.org/tiki/tiki-index.phpsudo rpm --import https://www.elrepo.org/RPM-GPG-K...
本篇博客记录了自己电脑安装pytorch GPU版本整个过程，包括很多踩过的坑，希望能帮助到有需要的人。检测显卡型号：如何查看电脑显卡型号查看自己显卡是否支持CUDA安装：官网链接（注：1050Ti是支持的，不知道为什么官网这里没有显示）更新显卡驱动（cuda toolkit版本号和显卡驱动版本号有很严格的对应，所以为了安装高版本的kit需要升级到最新的驱动版本，驱动版本是向下兼容，高版本的驱动可
======= 人工智能 Keras、TensorFlow 的环境安装 ======1.window下安装 anaconda（python 3.6 / python 3.7）2.安装 ubuntu 16/183.window下安装 Keras、TensorFlow（先安装CUDA、cuDNN，再安装Keras、TensorFlow）===== 第一步：先安装C...
撰文 |Will Zhang本系列为CUDA进阶，通过具体的经典问题，讲述高性能编程的一些基本原则以及方法。建议读者先阅读NVIDIA官方的编程指南完成CUDA入门，基础比较少的同学也建...
Ubuntu18.04 + Caffe + python3.7 + CUDA11 + cuDNN8编译记录背景基础环境安装过程Python3.7安装caffe官方代码下载及配置文件修改caffe与python3.7/cuDNN8适配cudnn_conv_layer.cpp和cudnn_deconv_layer.cppcuDNN版本指定libboost_python.so链接版本修改开始编译caff
根据参考链接，心中熟悉流程参考1确定了【高版本gpu driver 可以兼容 低版本】，所以放心卸载仅支持cuda8.0的旧版，安装支持cuda9.0的新版gpu driver。因为driver与硬件相关，暂时我找不到可以隔离的方案至于隔离cuda，至少有两种方案：基于ubuntu的多用户的隔离：每个用户的cuda安装在自己的home下面，不会影响原有的系统根目录下的cuda8.0的文...
配置本地深度学习环境
开始正事。想装python下的tensorflow-gpu，本人刚开始学机器学习，想着反正有Nvidia显卡，不如装个gpu版本的tensorflow，挖坑之旅由此开始，相信既然搜索者相关内容的同志们一定感同身受，我也就不多说废话了，直接讲讲怎么出坑，但愿以下经验能够帮助到你们！一、本机配置win10 64位 + NVIDIA GeForce GTX 950M（不用猜了，m结尾，我的电脑是笔记本）
安装 Visual Studio 2019下载地址我的Nvdia控制面板上写的是CUDA10.2安装的是CUDA10.2和Cudnn7.6.5（链接）
新电脑配置深度学习环境全教程
CUDA编程模型假设系统是由一个主机和一个设备组成的，而且各自拥有独立的内存。主机：CPU及其内存（主机内存），主机内存中的变量名以h_为前缀,主机代码按照ANSI C标准进行编写设备：GPU及其内存（设备内存），设备内存中的变量名以d_为前缀，设备代码使用CUDA C标准进行编写一个典型的CUDA程序实现流程：1.把数据从CPU内存拷贝到GPU内存在CP...
记录自学cuda的过程，欢迎大家来交流
python
——python
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AI编程社区
智灵弹性算力系统
西安城市开发者社区
Triton中文社区
