登录社区云，与社区用户共同成长
邀请您加入社区
本文详细介绍了如何利用Mac的M1/M2芯片GPU加速YOLOv8训练，通过Metal Performance Shaders（MPS）技术实现效率提升3倍以上。从环境配置到实战优化，提供全面的加速指南，帮助开发者充分释放Apple Silicon的潜力。
本项目基于单片机和RA8889/RA6809图形处理芯片的TFT触摸屏滑动条控件。该控件支持水平和垂直滑动条，可自定义外观和行为，并支持回调函数进行值变化通知。
目的 ：1. 使用比较好的高端游戏平台（不很贵），测试在Matlab平台下Nvidia显卡和Intel I7 CPU的做并行计算性能 2.解决如下问题(1) 性能是1-2倍差距，还是5-20倍差距，还是50-100倍差距?(2)要考虑并行计算的话 ，需不需要在有限预算下配高端游戏显卡,还是以配更好的CPU为主?(3)信号处理的算法（非信息处理）的应用背景下，程序的编写简便和运行
一只399美元的开源双足机器鸭Microduck，凭借强化学习与开源生态引爆社区。24小时订单超260万美元，社区已开发跑步、跳跃、单腿平衡等数十种动作策略，真实硬件验证成功。无需显卡，通过云端GPU（如UCloud V100S）按小时付费即可训练自定义行为，从仿真到发布仅需数步。代码全开源，人人可参与，让具身智能训练从“围观”变为“亲手上手”。
微通道液冷板（MLCP）技术通过在芯片内部集成微米级冷却流道（≤100μm），实现直接接触式高效散热，可应对2000W以上AI芯片的极端热负荷。该技术突破传统散热瓶颈，热阻值低于0.015℃·cm/W，效率提升3-5倍。核心创新在于微尺度流体动力学设计、高导热材料（纯铜/纳米涂层）应用及精密制造工艺（3D打印/激光雕刻）。当前面临制造精度、良率成本和系统集成等挑战，但已在NVIDIA Rubin等
当运行深度学习命令时，我们总想查看GPU占用了多少显存，以便及时调整模型的参数。我之前总是’nvidia-smi’，然后一直↑+enter，一直盯着屏幕看显存占用情况。后来感觉太麻烦了，还要一直手动点击，真是费劲。现在我推荐使用以下两种方法查看显存占用情况。
嘿，朋友们，今天要给大家安利一个超级炫酷的宝藏工具——Lsky Pro（兰空图床）。想象一下，在某个慵懒的午后，你正惬意地躺在沙发上，突然想回味去年那场说走就走的旅行。或者你是创意界的灵魂画手，急需一张完美的配图来点亮新项目……这些时刻是不是让你既兴奋又头疼？别担心啦！有了Lsky Pro，这些问题都能轻松搞定！今天我们就来揭秘如何在CasaOS轻NAS系统上安装运行Lsky Pro，并借助cpo
LSTM多GPU训练pytorch 多GPU 数据并行模式踩坑日记多GPU训练时遇到的BUG解决方法
https://www.jianshu.com/p/97079a563cbb
pytorch中 如何将gpu与gpu、gpu与cpu 在load时相互转化载入有时候我们在CPU上训练的模型，因为一些原因，切换到GPU上，或者在GPU上训练的模型，因为条件限制，切换到CPU上。 GPU上训练模型时，将权重加载到CPU的最佳方式是什么?今天我们来讨论一下：提取模型到指定的设备从官方文档中我们可以看到如下方法torch.load('tensors.pt')# 把...
以下实验是我在百度公司实习的时候做的，记录下来留个小经验。多GPU训练cifar10_97.23 使用 run.sh 文件开始训练cifar10_97.50 使用 run.4GPU.sh 开始训练在集群中改变GPU调用个数修改 run.sh 文件nohup srun --job-name=cf23 $pt --gres=gpu:2 -n1 bash cluster_run.sh...
转自：darkknightzh PyTorch默认使用从0开始的GPU，如果GPU0正在运行程序，需要指定其他GPU。有如下两种方法来指定需要使用的GPU。1. 类似tensorflow指定GPU的方式，使用CUDA_VISIBLE_DEVICES。1.1 直接终端中设定：CUDA_VISIBLE_DEVICES=1 python my_script.py1.2 py...
本文章主要内容为：在windows7下安装GPU版本的tensorflow的具体步骤，依次介绍了安装python、cuda和cudnn、tensorflow，keras、pycharm以及python库的配置等
CUDA系列笔记CUDA学习笔记（LESSON1/2）——架构、通信模式与GPU硬件CUDA学习笔记（LESSON3）——GPU基本算法（Part I）CUDA学习笔记（LESSON4）——GPU基本算法（Part II）CUDA学习笔记（LESSON5）——GPU优化CUDA学习笔记（LESSON7）——常用优化策略&动态并行化GPU基本算法（Part II）...
[失败]：NVIDIA TensorRT 10 [Deb]安装教程
在安装CUDA之前，需要先安装适用于您的GPU的NVIDIA显卡驱动。
mPLUG-Owl3-7B模型作者来自阿里mPLUG团队，他们一直深耕多模态大模型底座，以LLaVA-Next-Interleave为基准，mPLUG-Owl3将模型的First Token Latency缩小了6倍，且单张A100能建模的图像数目提升了8倍，达到了400张图片，且该模型在单图像、多图像和视频任务中的表现依然非常出色。在此之前还提出了：高效多模态底座mPLUG系列模块化多模态大语言
c++ opencv加载onnx模型。代码可用
写这篇博文的原因是：因为网上有太多教程说安装pytorch GPU版要配套安装相同版本的不用单独安装cuda和cudnn驱动安装包，但如果用anaconda的话，实际上是不用的，anaconda会自动帮我们安装好，全程不需要额外下载其他安装包。安装过程也很方便。下面首先介绍一下我的电脑环境情况：windows 10 系统anaconda首先，鼠标右键——>NVDIA控制面板——>帮助—
1. CommonSettings.props修改：2. 重新编译 libcaffe，caffe，convert_imageset，compute_image_mean等3. 重新生成训练集、测试集的lmdb 和均值文件4. 改solver.prototxt5. 重新运行之后就可看到GPU的信息了：...
国产GPU替代英伟达面临"纸面参数强，真实业务弱"的尴尬现状。文章提出"三层Benchmark体系"评测方法：1)MicroBenchmark检测硬件极限性能；2)MacroBenchmark评估框架适配与算子支持；3)End-to-EndBenchmark验证业务场景下的稳定性与效率。评测重点不在跑分，而在发现硬件在真实业务中的瓶颈与风险，为商业决策提供依
AI时代的算力正像工业时代的电力一样，成为支撑数字经济运行的"新型基础能源"。从GPU数量到算力产能，竞争核心已转向调度效率、能耗优化和稳定交付Token的能力——未来比拼的不是设备规模，而是单位能耗下的有效产出。
通过IndexTTS2镜像，可将闲置GPU快速部署为商用语音合成平台，支持情感控制与高自然度输出。无需深度学习背景，几分钟即可上线服务，广泛应用于短视频配音、教育课件、智能客服等场景，实现算力到服务的价值转化。
趋动科技推出永久免费的OrionX AI算力池化软件社区版，实现GPU资源的高效利用。该软件支持单卡多任务并行处理、显存超分等功能，可将GPU利用率提升3倍以上，兼容主流深度学习框架和Linux系统。用户无需修改代码即可接入现有工作流，30分钟即可完成部署。这一举措降低了算力使用门槛，让中小团队也能享受专业级GPU管理能力，推动AI创新的普惠化发展。
摘要：趋动科技宣布OrionX AI算力池化软件社区版永久免费开放，帮助解决AI开发中的算力管理难题。该版本支持GPU池化技术，可将单张GPU切分为多个算力单元，支持多任务并行，并兼容主流深度学习框架和Linux系统。中小企业、AI开发者、科研机构等用户均可通过官网简单三步（环境自查、一键下载、专属支持）免费获取该服务，显著提升算力利用效率，降低硬件投入与运维成本，让用户更专注于核心创新工作。
本文详细介绍了在蓝耘GPU算力平台上5分钟快速部署MedicalGPT医疗大模型的完整流程和优化策略。通过容器化微服务架构、预加载镜像技术和智能带宽分配等创新方案，显著提升医疗AI模型的部署效率。文章还提供了GPU选型建议、性能调优技巧和合规性保障措施，帮助开发者避开常见陷阱，实现医疗大模型在临床场景中的高效应用。
本文深入剖析CPU与GPU在AI推理中的协同机制，揭示异构计算如何通过任务分工、异步传输、动态批处理等技术提升系统性能。重点讲解数据搬运优化、流水线并行与TensorRT加速策略，展现智能服务低延迟背后的算力协作原理。
摘要：GPU 算力评估软件是一款跨平台工具，支持NVIDIA/AMD/Intel GPU的性能测试与监控。核心功能包括：多类型基准测试（矩阵运算、FFT、卷积等）、实时监控GPU状态、多卡测试支持、结果导出与历史对比。采用PySide6现代化UI，支持插件化扩展。支持Windows/Linux系统，需Python 3.8+环境，提供自动安装脚本和详细使用文档。开发者可基于模块化架构进行二次开发，包
OrionX社区版宣布永久免费提供GPU池化服务，帮助中小企业、AI开发者和科研团队解决算力难题。该软件支持主流深度学习框架和NVIDIA全系列GPU，可将单张显卡拆分为多任务并行运算，显著提升资源利用率。用户只需3步即可完成申请：检查环境配置、官网下载安装、参考详细手册。产品具备灵活部署、多维度监控、API二次开发等功能，让开发者专注算法创新，企业降低运维成本，科研团队高效利用有限资源。趋动科技
趋动科技推出永久免费的OrionXAI算力池化软件社区版，帮助中小企业和开发者突破算力瓶颈。
本文探讨了GPU在自动驾驶系统中满足ISO 26262功能安全标准所面临的关键挑战，涵盖硬件冗余、软件验证、时间可预测性及黑箱库合规性等问题，并分析了实现故障运行容错机制的技术难点与潜在解决方案，为GPU在汽车安全关键系统中的应用提供了研究方向。
性价比极高，价格极低的云服务器
本文深入探讨了FPGA与GPU协同的异构计算新范式如何重塑边缘AI算力格局。通过分析工业视觉、智能交通等实战场景，阐述了FPGA作为高速数据调度与预处理专家，与GPU作为复杂计算引擎的协同分工，有效解决了边缘AI在实时性、确定性与能效比方面的核心痛点，为高要求应用提供了强大的算力底座。
GPU
——GPU
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
AtomGit开源社区
乐奇 Rokid 开放社区
天工造物局
