tensorflow-keras tensorflow keras gpu
精通 Sklearn 和 TensorFlow 预测性分析：1~5 全
原文：Mastering Predictive Analytics with scikit-learn and TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象， ......
TensorFlow 智能移动项目：11~12
原文：Intelligent mobile projects with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原 ......
ChatGPT问答[3]-CPU与GPU计算方式上的区别
CPU与GPU计算方式上的区别 CPU（中央处理器）和GPU（图形处理器）是计算机中两种不同的处理器，它们在计算方式上有以下区别： 并行计算能力：GPU拥有比CPU更多的计算核心，这使得GPU可以同时处理大量的数据并进行并行计算。相比之下，CPU的计算核心数量较少，只能进行有限的并行计算。 计算精度 ......
精通 TensorFlow 1.x：1~5
原文：Mastering TensorFlow 1.x 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 一、TensorFlo ......
精通 TensorFlow 1.x：6~10
原文：Mastering TensorFlow 1.x 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 六、TensorFlo ......
TensorFlow 卷积神经网络实用指南：1~5
原文：Hands-On Convolutional Neural Networks with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标 ......
TensorFlow 2.0 快速入门指南：第一部分
原文：TensorFlow 2.0 Quick Start Guide 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 第 1 ......
TensorFlow 深度学习实战指南：1~5 全
原文：Hands-on Deep Learning with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3 ......
使用 TensorFlow 构建机器学习项目：1~5
原文：Building Machine Learning Projects with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《 ......
使用 TensorFlow 构建机器学习项目：6~10
原文：Building Machine Learning Projects with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《 ......
跟姥爷深度学习2 TensorFlow的基本用法
一、前言 前面我们浅用TensorFlow做了个天气预测，虽然效果不咋样，但算是将整个流程跑通了。这一篇我们在之前基础上对TensorFlow的一些参数进行简单介绍，在接口文件的基础上了解各参数的简单含义和用法。 二、再次构建模型 我们先将之前的冗余代码都删除，做个简单的模型训练和预测。 三、可以修 ......
跟姥爷深度学习1 浅用tensorflow做个天气预测
一、前言 最近人工智能、深度学习又火了，我感觉还是有必要研究一下。三年前浅学了一下原理没深入研究框架，三年后感觉各种框架都成熟了，现成的教程也丰富了，所以我继续边学边写。原教程链接： https://www.bilibili.com/video/BV1CW4y1r7Q7?p=1&vd_source= ......
[计科]渲染性GPU和计算型GPU的区别在哪里？
使用区别 渲染型GPU和计算型GPU主要的区别在于它们被设计用于处理不同类型的工作负载。 渲染型GPU主要用于图形渲染和专业3D建模等领域，如游戏开发、影视特效、建筑设计等。渲染型GPU的设计重点在于渲染大量的图形，需要处理的操作主要是三维模型的表面计算、图形纹理映射、几何运算等。渲染型GPU在设计 ......
从零开始配置深度学习环境：CUDA+Anaconda+Pytorch+TensorFlow
本文适用于电脑有GPU（显卡）的同学，没有的话直接安装cpu版是简单的。CUDA是系统调用GPU所必须的，所以教程从安装CUDA开始。 CUDA安装 CUDA是加速深度学习计算的工具，诞生于NVIDIA公司，是一个显卡的附加驱动。必须使用NVIDIA的显卡才能安装，可以打开任务管理器查看自己的硬件设 ......
Mac OS M1芯片安装tensorflow
1.确认把系统更新到12以后 2.安装miniforge3 下载安装脚本 添加执行权限:chmod +x ~/Downloads/Miniforge3-MacOSX-arm64.sh 执行安装:sh ~/Downloads/Miniforge3-MacOSX-arm64.sh -b -p $HOME ......
Java使用TensorFlow
Java可以使用TensorFlow，TensorFlow为Java提供了一个API，它可以让Java开发者使用TensorFlow构建和训练深度学习模型。 以下是如何在Java中使用TensorFlow的基本步骤： 首先，需要安装TensorFlow的Java API，可以从TensorFlow官 ......
Go语言使用TensorFlow
Go编程语言可以与TensorFlow一起使用。TensorFlow是由Google开发的流行的开源机器学习框架，提供了各种库和工具来构建和训练机器学习模型。TensorFlow支持多种编程语言，包括Python、C++、Java和Go。 要在Go中使用TensorFlow，可以使用TensorFl ......
查看gpu信息
1、lspci | grep -i nvidia 11:00.0 3D controller: NVIDIA Corporation Device 1eb8 (rev a1) 2、nvidia-smi + + | NVIDIA-SMI 515.48.07 Driver Version: 515.48 ......
PaddleSpeech docker develop-gpu-cuda10.2-cudnn7-latest 缺失 libsndfile1-dev 和 環境參數CUDA_VISIBLE_DEVICES
Paddle可以說是各種坑，但支持國產，含淚試用了百度飛漿的Speech。 1. 坑點 Docker develop-gpu-cuda10.2-cudnn7-latest 缺失:1. libsndfile1-dev2. CUDA_VISIBLE_DEVICES 2. 安裝教程 也沒什麼安裝教程。下載 ......
Anaconda环境下安装gpu版pytorch
cuda安装 首先到下面的网址下载cude，注意，不要下载最新的，目前pytorch支持的最新版本是11.8。 https://developer.nvidia.com/cuda-toolkit-archive pytorch安装 打开Anaconda自带的命令行，如下图所示。再到下面的网站获取安装 ......
CPU 进行图形显示的 逻辑，以及 gpu 与 display controler 的关系
问题： 对上面这个问题一直不是很理解。 截图如下： ......
为什么利用GPU能加速
那为什么会想到使用 GPU 加速呢？这是就要说到两者的不同了：CPU 虽然有多核，但总数没有超过两位数，并且每个核的运算能力极其强大。而 GPU 的核数远超 CPU，但每个核的运算能力与 CPU 的核相比就相差甚远了。 我们可以简单的举个例子，解一道题，CPU 就是博士生，GPU 就是小学生，CPU ......
模型训练与推理中为什么需要使用GPU？基本概念梳理
GPU就是我们日常所说的“显卡”，那么为什么显卡和AI有关系呢？而美国政府又为什么要出台关于GPU的芯片禁令呢？文章简单梳理了GPU的一些基本概念、GPU在模型训练和推理中的优势、国内外GPU/ASIC芯片的概况。 ......
事实胜于雄辩,苹果MacOs能不能玩儿机器/深度(ml/dl)学习(Python3.10/Tensorflow2)
坊间有传MacOs系统不适合机器(ml)学习和深度(dl)学习，这是板上钉钉的刻板印象，就好像有人说女生不适合编程一样的离谱。现而今，无论是Pytorch框架的MPS模式，还是最新的Tensorflow2框架，都已经可以在M1/M2芯片的Mac系统中毫无桎梏地使用GPU显卡设备，本次我们来分享如何在 ......
Keras中文教程
http://www.likuli.com/doc/keras/15211966310968.html 关于深度学习 由于Keras是为深度学习设计的工具，这里只列举深度学习中的一些基本概念。请确保对下面的概念有一定理解： 有监督学习，无监督学习，分类，聚类，回归 神经元模型，多层感知器，BP算法 ......
Nvidia GPU热迁移-Singularity
1 背景 在GPU虚拟化和池化的加持下，可以显著提高集群的GPU利用率，同时也可以较好地实现弹性伸缩。但有时会遇到需要GPU资源再分配的场景，此时亟需集群拥有GPU任务热迁移的能力。举个简单的例子，比如某个新训练任务M需要独占8张A100，而集群中没有独立的A100资源，但总的A100的碎片资源超过 ......
VGG16模型-tensorflow实现的架构
import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import InputLayer, Dense, Flatten, Conv2D, MaxPool ......
查看 GPU 使用情况命令行代码
要查看 GPU 使用情况，您可以根据您的操作系统使用以下命令行代码： 对于 NVIDIA 显卡： 使用 nvidia-smi 命令来查看 GPU 的使用情况。在命令行中输入以下命令： nvidia-smi 这将显示当前 NVIDIA GPU 的状态，包括温度、功率、显存使用情况以及正在运行的进程等信 ......
华为OD机试 GPU 调度
本期题目：GPU 调度 题目 为了充分发挥 GPU 算力， 需要尽可能多的将任务交给 GPU 执行， 现在有一个任务数组， 数组元素表示在这1s内新增的任务个数， 且每秒都有新增任务， 假设 GPU 最多一次执行n个任务， 一次执行耗时1s， 在保证 GPU 不空闲的情况下，最少需要多长时间执行完成 ......