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. 使用GPU 生成复杂的地形

  2. 使用GPU 生成复杂的地形传统上，程序化地形(procedural terrains)受限于CPU 生成的并用GPU 进行渲染的高度场(height fields)。然 而，生成复杂的地形是一项高度并行 化的任务，CPU 的串行处理本质并不 适合于完成这项工作。此外，CPU 生 成高度场的方法也无法提供吸引人的 地形特征(如凹洞和凸起物)。 为了在交互级的帧速率下，生成 高度复杂的程序化地形，我们转而使 用GPU。通过使用DirectX 10 的新特性，我们可以快速生成大块的复杂程序化地形。最

  3. 所属分类：C++

    • 发布日期：2011-04-17
    • 文件大小：3mb
    • 提供者：wentong369

  1. 基于GPU的并行支持向量机的设计与实现

  2. 1．在综述了当前高性能计算领域热门技术的基础上，选择GPU作为并行支持向量 机的实现工具。在GPU编程方法方面，选择了OpenCL作为具体的代码实现技术，并搭 建了GPU计算的实验平台和基于VisualStudio2010的OpenCL的开发环境。 2．介绍了支持向量机理论的基本原理及其数学模型，引出了SMO训练算法并对其 进行了详细的说明。研究了LibSVM的使用方法，并在之前搭建的两个平台上做了实验 仿真，以用来作为参照基准。 3．根据SVM训练和预测算法中的并行点，提出了用于多类分类器的

  3. 所属分类：专业指导

    • 发布日期：2013-06-08
    • 文件大小：2mb
    • 提供者：xiaoxio006

  1. tensorflow使用指定gpu的方法

  2. TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习，这篇文章主要介绍了tensorflow使用指定gpu的方法,需要的朋友可以参考下

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：79kb
    • 提供者：weixin_38549520

  1. 详解tensorflow2.x版本无法调用gpu的一种解决方法

  2. 主要介绍了详解tensorflow2.x版本无法调用gpu的一种解决方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：184kb
    • 提供者：weixin_38650379

  1. 用Pytorch训练CNN(数据集MNIST,使用GPU的方法)

  2. 今天小编就为大家分享一篇用Pytorch训练CNN(数据集MNIST,使用GPU的方法)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：45kb
    • 提供者：weixin_38638004

  1. 一种使用GPU加速地震叠前时间偏移的方法

  2. 应用GPU通用高性能编程技术实现一种加速地震叠前时间偏移的新方法。该技术是地震勘探处理的常规流程，其核心算法具有计算密集、数据独立性强、并行性高等特点。通过性能剖析获得其计算热点，通过CUDA技术对其进行并行化改造，并利用CUDA的流技术实现CPU到GPU的异步传输。通过集群环境下的性能测试，应用GPU并行化的PSTM程序可明显缩短运行时间。

  3. 所属分类：其它

    • 发布日期：2020-10-21
    • 文件大小：233kb
    • 提供者：weixin_38740201

  1. 解决Keras使用GPU资源耗尽的问题

  2. 我们在使用GPU资源进行训练的时候，可能会发生资源耗尽的情况，那么在在这种情况，我们需要对GPU的资源进行合理的安排，具体使用办法如下： 框架：Tensorflow和Keras 方法 import tensorflow as tf import keras.backend.tensorflow_backend as KTF config = tf.ConfigProto() config.gpu_options.allow_growth=True #不全部占满显存, 按需分配 sess = t

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：44kb
    • 提供者：weixin_38690545

  1. 解决TensorFlow程序无限制占用GPU的方法

  2. 今天遇到一个奇怪的现象，使用tensorflow-gpu的时候，出现内存超额~~如果我训练什么大型数据也就算了，关键我就写了一个y=W*x…显示如下图所示： 程序如下： import tensorflow as tf w = tf.Variable([[1.0,2.0]]) b = tf.Variable([[2.],[3.]]) y = tf.multiply(w,b) init_op = tf.global_variables_initializer() with tf.Session()

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：116kb
    • 提供者：weixin_38722607

  1. 用Pytorch训练CNN(数据集MNIST,使用GPU的方法)

  2. 听说pytorch使用比TensorFlow简单，加之pytorch现已支持windows，所以今天装了pytorch玩玩，第一件事还是写了个简单的CNN在MNIST上实验，初步体验的确比TensorFlow方便。 参考代码（在莫烦python的教程代码基础上修改）如下： import torch import torch.nn as nn from torch.autograd import Variable import torch.utils.data as Data import t

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：47kb
    • 提供者：weixin_38694023

  1. 已安装tensorflow-gpu,但keras无法使用GPU加速的解决

  2. 问题 我们使用anoconda创建envs环境下的Tensorflow-gpu版的，但是当我们在Pycharm设置里的工程中安装Keras后，发现调用keras无法使用gpu进行加速，且使用的是cpu在运算，这就违背了我们安装Tensorflow-gpu版初衷了。 原因 因为我们同时安装了tensorflow和tensorflow-gpu（在…Anaconda3\envs\fyy_tf\Lib\site-packages中可以找到他们的文件夹），使用keras时会默认调用tensorflow，从

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：82kb
    • 提供者：weixin_38551046

  1. Ubuntu中配置TensorFlow使用环境的方法

  2. 一、TensorFlow简介 TensorFlow:trade_mark:是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。 Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。 TensorFlow由谷歌人工智能团队谷歌大脑（Goog

  3. 所属分类：其它

  1. python 下 CMake 安装配置 OPENCV 4.1.1的方法

  2. CMake 安装配置 OPENCV 4.1.1 解决各种问题 方法一 python 可以直接pip install opencv-contrib-python==3.4.x.x 安装，老版本的库包含SIFT等算法。但是，python不支持GPU的，对于JAVA等其他语言想调用opencv或者想使用更更高级的算法，那么还是必须得安装更高版本，下面介绍另外一种方法. 这个方法不提供SIFT和 SURF算法，因为这两个算法申请了专利，所有主要通过CMake设置OPENCV_ENABLE_NONFREE

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：176kb
    • 提供者：weixin_38645862

  1. iOS去除图片背景颜色的方法

  2. 实际项目场景：去除图片的纯白色背景图，获得一张透明底图片用于拼图功能 介绍两种途径的三种处理方式(不知道为啥想起了孔乙己)，具体性能鶸并未对比，如果有大佬能告知，不胜感激。 Core Image Core Graphics/Quarz 2D Core Image Core Image是一个很强大的框架。它可以让你简单地应用各种滤镜来处理图像，比如修改鲜艳程度,色泽,或者曝光。 它利用GPU（或者CPU）来非常快速、甚至实时地处理图像数据和视频的帧。并且隐藏了底层图形处理的所有细节，通过提供的AP

  3. 所属分类：其它

    • 发布日期：2021-01-05
    • 文件大小：521kb
    • 提供者：weixin_38547882

  1. SOMeSolution:一种迭代开发的方法，用于快速进行SOM培训。 将致力于实现Liu等人描述的HPSOM算法-源码

  2. SOMe解决方案 一种迭代开发的方法，用于快速训练自组织图。 这是Liu等人描述的HPSOM算法的有效实现。 该实现可以在以下环境中运行： 串行体系结构（通过具有make buildserial的batch-som分支） 共享内存体系结构（通过batch-som分支将OpenMP与OMP_NUM_THREADS环境变量一起使用） 分布式内存体系结构（通过mpi分支使用OpenMPI） 具有共享内存的Nvidia GPU体系结构（通过cuda分支使用CUDA和OpenMP） 具有共享内存

  3. 所属分类：其它

  1. webos-vncserver：一种用于WebOS的极易破解的VNC服务器-通过直接从GPU的帧缓冲区读取来工作-源码

  2. webos-vncserver 一款用于WebOS的极其强大的VNC服务器-通过直接从GPU的帧缓冲区读取来工作。 需要root特权。 用法 # ./vramvnc 0x3acae000 其中0x3acae000是您的帧缓冲区在物理内存中的地址。 然后，您应该能够通过您选择的VNC客户端在端口5900上进行连接。 在这里，它运行在“无头”电视主板上，可通过VNC移动应用程序进行访问。 注意事项 这不会捕获任何硬件加速的视频表面，而仅捕获UI层。 帧缓冲区读取不以任何方式同步。 此外，实

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：153kb
    • 提供者：weixin_42144554

  1. 基于GPU的动态天空场景仿真

  2. 针对三维天空场景仿真中出现的场景实时性和真实性不能满足用户的需求等问题,提出了基于GPU (graphic processing unit)的动态天空场景仿真方法.在开源场景图形系统(OpenSceneGraph)开发平台上,使用基于物理的方法计算出一天中不同时刻天空的背景色；采用shader技术,用OpenGL着色语言(GLSL)在GPU上对云、太阳进行模拟；针对太阳的位置,绘制出具有真实感效果的光晕.实验结果表明,该仿真方法可以绘制出具有动态效果的、天空颜色能平滑过渡的天空场景,并且真实感强

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：439kb
    • 提供者：weixin_38685831

  1. CountCorrect：用于分析Nanostring-WTA数据的方法，同时考虑到常见的噪声源，例如背景绑定-源码

  2. InSituCellTools（isctools） 使用概率生成模型和变异推论来分析NanostringWTA和其他基于探针的空间转录组学数据的方法。 配置环境 您需要安装miniconda并创建一个包含pymc3和theano的conda环境，准备在GPU上使用。 请按照以下步骤操作： 如果没有conda，请先安装Miniconda： cd /path/to/software wget https://repo.anaconda.com/miniconda/Miniconda3-late

  3. 所属分类：其它

  1. 在pytorch中为Module和Tensor指定GPU的例子

  2. pytorch指定GPU 在用pytorch写CNN的时候，发现一运行程序就卡住，然后cpu占用率100%，nvidia-smi 查看显卡发现并没有使用GPU。所以考虑将模型和输入数据及标签指定到gpu上。 pytorch中的Tensor和Module可以指定gpu运行，并且可以指定在哪一块gpu上运行，方法非常简单，就是直接调用Tensor类和Module类中的 .cuda() 方法。 import torch from PIL import Image import torch.nn as

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：57kb
    • 提供者：weixin_38746166

  1. 将Pytorch模型从CPU转换成GPU的实现方法

  2. 最近将Pytorch程序迁移到GPU上去的一些工作和思考 环境：Ubuntu 16.04.3 Python版本：3.5.2 Pytorch版本：0.4.0 0. 序言 大家知道，在深度学习中使用GPU来对模型进行训练是可以通过并行化其计算来提高运行效率，这里就不多谈了。 最近申请到了实验室的服务器来跑程序，成功将我简陋的程序改成了“高大上”GPU版本。 看到网上总体来说少了很多介绍，这里决定将我的一些思考和工作记录下来。 1. 如何进行迁移 由于我使用的是Pytorch写的模型，网上给出了一个非

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：78kb
    • 提供者：weixin_38537315

  1. 使用Python写CUDA程序的方法

  2. 使用Python写CUDA程序有两种方式： * Numba * PyCUDA numbapro现在已经不推荐使用了，功能被拆分并分别被集成到accelerate和Numba了。 例子 numba Numba通过及时编译机制（JIT）优化Python代码，Numba可以针对本机的硬件环境进行优化，同时支持CPU和GPU的优化，并且可以和Numpy集成，使Python代码可以在GPU上运行，只需在函数上方加上相关的指令标记， 如下所示： import numpy as np from tim

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：47kb
    • 提供者：weixin_38655309
« 12 3 4 5 6 7 8 9 10 ... 20 »