注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. pycuda 用于加速python 3.6

  2. pycuda 用于加速python，前提是你的计算机上安装了英伟达显卡

  3. 所属分类：深度学习

    • 发布日期：2018-05-24
    • 文件大小：395264
    • 提供者：liangjiubujiu

  1. 安装TensorFlow

  2. 安装TensorFlow的完整教程 笔者之前在学习TensorFlow，也在自己的笔记本上完成了安装，在PyCharm中进行学习。但是最近为了使用python的科学计算环境，我把之前的环境卸载了，并用Anaconda重新安装了TensorFlow，由于自己的笔记本已经很旧了，显卡不行，所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑，截图甚多。

  3. 所属分类：深度学习

    • 发布日期：2018-08-03
    • 文件大小：5242880
    • 提供者：zhao14725

  1. libnccl.so

  2. tensroflow为了提高多模型训练速度，需要多个GPU同时工作，而且我们一般使用的工作站都是8块tesla K80，如果能将8块显卡的计算力充分利用起来，将会大大提高模型训练的速度，缩短模型训练时间。这几天看到tensorflow的morroredstrategy特别好用，就想试试，所以写了代码，想看看多个GPU的效能怎么样，就仿照github上tensorflow的一些例子写了一些教程，但是出现了一个错误： tensorflow.python.framework.errors_impl.

  3. 所属分类：深度学习

    • 发布日期：2019-04-16
    • 文件大小：89128960
    • 提供者：qq_23985359

  1. 常用GPU计算工具numba的3个例子.docx

  2. NUMBA开源编译把常用FOR循环变成并行计算的3个例子。包含利用CPU，GPU的方式。有需要的同学可以参考。

  3. 所属分类：Python

    • 发布日期：2020-10-09
    • 文件大小：119808
    • 提供者：maievshds

  1. win10 NVIDIA GeForce GTX 950M安装tensorflow_gpu_1.9.0和torch_1.1.0

  2. 迫于计算需求，最近将笔记本上的GPU也利用了起来。CUDA+CuDNN+TensorFlow部分参考了博文，感谢博主让我少走了很多弯路。Torch部分尝试了多种方法未果，最后凭借经验完成了torch1.1.0和torchvision0.4.1的安装。 硬件配置 显卡：NVIDIA GeForce GTX 950M Python：3.6.2 CUDA：9.0 -> cuda_9.0.176_win10 CuDNN：9.0 -> cudnn-9.0-windows10-x64-v

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：124928
    • 提供者：weixin_38557757

  1. CarND语义分割-源码

  2. 语义分割 介绍 在此项目中，您将使用完全卷积网络（FCN）在图像中标记道路像素。 设置 显卡 main.py将检查以确保您使用的是GPU-如果您的系统上没有GPU，则可以使用AWS或其他云计算平台。 框架和包装 确保已安装以下设备： 对于SciPy的imresize函数，您可能还需要 。 数据集 从下载。 将数据集提取到data文件夹中。 这将创建一个包含所有训练图像的data_road文件夹。 开始 实行 在“ TODO”注释指示的main.py模块中实现代码。 不需要填写带有“ OPTION

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：349184
    • 提供者：weixin_42099633