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. Tensorflow GPU 1.0版本 Linux Ubuntu Python2.7

  2. Tensorflow GPU 1.0版本 Linux Ubuntu Python2.7. 更多版本下载： https://pypi.python.org/pypi/tensorflow-gpu/1.0.0

  3. 所属分类：机器学习

    • 发布日期：2018-03-21
    • 文件大小：90mb
    • 提供者：m0_37579176

  1. xgboost 0.8.1 linux 多GPU版本

  2. 官网下的 xgboost 0.8.1 linux 多GPU版本，安装后发现只有单支持个GPU， 自己编译了多GPU的 libxgboost.so ,基于cuda 9.0的， 安装后替换 ~/anaconda/xgboost (需要改成你自己的路径) 里的libxgboost.so 就可以了

  3. 所属分类：Linux

    • 发布日期：2019-01-15
    • 文件大小：84mb
    • 提供者：guotu1693

  1. 统计linux服务器硬件信息

  2. 本脚本是因为我在工作中遇到了统计服务器硬件信息比较慢，然后就写了一个简单的脚本。基于python,主要是用了paramiko,xlwt这个包，实现了对远程服务器cpu型号，cpu核心数，物理cpu个数，逻辑cpu个数，系统总内存，系统swap,服务器gpu型号，数量统计。本脚本适用于linux操作系统。本程序需要传入一个服务器信息文件，文件内容格式(ip username userpassword port)中间以空格隔开，每一行一个服务器信息。注意，普通用户就可以，不需要root。服务器越多效

  3. 所属分类：Linux

    • 发布日期：2020-04-05
    • 文件大小：9mb
    • 提供者：lwt19920110

  1. 异构多核SoC可编程图形系统硬件设计

  2. 采用开源LEON3（basic version）处理器，运行Linux操作系统，并驱动西安邮电大学自主设计研发的基于传统GPU架构的可编程图形处理器，实现了包含可编程图形系统的SoC平台。将系统集成到Dini Group最新的DNV6_F2PCIE开发板上，采取OpenGL编程，通过鼠标、键盘、显示器运行2D、3D程序，进行图形的绘制，从而比较充分地验证了图形系统硬件设计。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：308kb
    • 提供者：weixin_38653687

  1. Linux下多GPU选择实验程序完整代码

  2. Linux下多GPU选择实验程序完整代码，利用EGL ext提供的根据硬件创建display的方法，在多GPU系统下，实现选择不同的GPU进行绘制。 依赖EGL GL GLEW

  3. 所属分类：Linux

    • 发布日期：2020-11-13
    • 文件大小：8kb
    • 提供者：shenyi0_0

  1. 记一次 win10 TensorFlow-GPU 安装

  2. Win10下Tensorflow(GPU版) 安装Anaconda： Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项，我理解的Anaconda是跟构建Java项目中的maven包管理工具比较像，我们可以用这个软件进行python的版本管理。 版本选择：Anaconda有众多版本，并不是越新越好，还要考虑兼容性。有些版本的tensorflow支持的是python3.5和3.6，并不支持python3.7，省事起见，还是下载历史版本

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：81kb
    • 提供者：weixin_38639089

  1. SlackBuilds:包含多个软件包的SlackBuilds脚本-源码

  2. SlackBuilds SlackBuilds脚本针对多个针对Slackware GNU / Linux 14.2操作系统的软件包。这些脚本也可以在早期版本的Slackware上运行。 注意：用于DS9，业力，latex2rtf，pgplot和WCSLib的SlackBuilds也可以在上找到。 cudatoolkit 10.1.168 NVIDIA:registered:CUDA:registered:Toolkit提供了用于创建高性能GPU加速应用程序的开发环境。借助CUDA Tool

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：46kb
    • 提供者：weixin_42127835

  1. Multi-class-Peer-Loss-functions:通过采用对等预测损失功能来学习带有噪声的标签（深度学习和多类版本）-源码

  2. 对等丢失功能 此存储库是ICML2020接受的“”的Pytorch Pytorch实现。 所需的包装和环境 支持的操作系统： Windows，Linux，Mac OS X； 的Python：3.6 / 3.7; 深度学习库： PyTorch（需要GPU） 所需软件包： Numpy，Pandas，random，sklearn，tqdm，csv，火炬（如果要估计噪声转换矩阵，则需要Keras）。 实用工具 该存储库包括： :clipboard: 对等丢失功能的多类实现； :clipboa

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：128mb
    • 提供者：weixin_42139871

  1. MIAL：用于对象检测的多实例主动学习的代码，CVPR 2021-源码

  2. 语言：| 介绍 这是（CVPR 2021）的代码。 安装 推荐使用Linux平台（我们是Ubuntu 18.04 LTS）和 ，因为它们可以方便，高效地安装和管理环境和软件包。 建议使用TITAN V GPU和带有 ，因为它们可以加快模型训练的速度。 安装anaconda3之后，您可以创建一个conda环境，如下所示： conda create -n mial python=3.7 -y conda activate mial 有关环境安装，请参阅和其 。 mmcv软件包中的修改 为了两个

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：12mb
    • 提供者：weixin_42116705

  1. hebel：Python中的GPU加速的深度学习库-源码

  2. 赫贝尔 Python中的GPU加速的深度学习库 Hebel是一个用于Python深度神经网络学习的库，它通过PyCUDA通过CUDA与GPU一起使用GPU加速。 它实现了最重要的神经网络模型类型，并提供了各种不同的激活函数和训练方法，例如动量，涅斯特罗夫动量，辍学和提前停止。 我不再积极发展Hebel。 如果您正在寻找Python的深度学习框架，我现在推荐 。 楷模 目前，Hebel实现了前馈神经网络，可以对一项或多项任务进行分类和回归。 其他模型，例如Autoencoder，卷积神经网络和R

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：132kb
    • 提供者：weixin_42126399

  1. OpenDBA：GPU加速的动态时间扭曲（DTW）重心平均-源码

  2. OpenDBA的 GPU加速的动态时间扭曲（DTW）重心平均 tl; dr该代码使大型时序数据集的平均速度比现有的基于单线程CPU的方法至少快100倍，并且作为奖励可生成距离矩阵，从而有助于扭曲的时间序列聚类分析（例如，纳米Kong直接的白盒分析） RNA测序信号）。 编译中 需要CUDA Toolkit 7或更高版本： : 此代码仅在Linux上经过测试。 make 如果要在Compute Capability小于6.1（〜2016之前制造）的GPU上运行此代码，则需要通过以下方式从

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：11mb
    • 提供者：weixin_42138376

  1. taichi：生产和便携式编程语言，用于在CPU和GPU上进行高性能，稀疏和差异化计算-源码

  2. | | || 概述 Taichi （太极）是为高性能计算机图形学而设计的一种编程语言。 它深深地嵌入在Python中，并且它的即时编译器将计算密集型任务转移到多核CPU和大规模并行GPU上。 太极拳的高级功能包括和 。 请查看有关太极拳基础的SIGGRAPH 2020课程： ， ， 。 中文视频教程： ， 范例（ ） 安装 python3 -m pip install taichi 支持的操作系统：Windows，Linux，Mac OS X； Python ：3.6 / 3.

  3. 所属分类：其它

  1. imgui-cmake：具有cmake文件的简单项目，可在多个平台上构建imgui的example_sdl_opengl3-源码

  2. imgui-cmake 具有cmake文件的简单项目，可在多个平台上构建imgui的example_sdl_opengl3。 这应该适用于： Windows（经过测试，可以正常运行） Linux 苹果系统 Raspberry Pi（经过测试，可以正常工作） CAVEAT ：要在树莓派上获得不错的性能，我们必须将GPU与OpenGLES一起使用。 不幸的是，这样做的唯一方法是在全屏模式下运行该程序。 要在窗口中运行应用程序，我们需要使用OpenGL，它不是硬件加速的，而且速度非常慢。

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：73kb
    • 提供者：weixin_42133918

  1. BetterFanController：这是一个C＃应用程序，用于管理Linux上AMD GPU的风扇速度，目标是保持在目标温度范围内-源码

  2. 更好的风扇控制器 项目目标： 控制多个GPU风扇 :check_mark: 使其可配置 :check_mark: 支持其他供应商 :cross_mark: 更耐碰撞 :cross_mark: 平均GPU温度可实现更平滑的更改 :check_mark: 能够通过名称识别有问题的GPU :check_mark: 创建系统服务 :check_mark: 重构清洁 :cross_mark: 启用配置最大功耗 :check_mark: 狗粮！ :check_mark: 成为Ha

  3. 所属分类：其它

  1. sysmon：用于Linux的图形系统监视器，包括有关CPU，GPU，内存，HDDSDD和您的网络连接的信息。 类似于Windows任务管理器-源码

  2. Linux活动监视器 • 主要特点 图形化显示以下数据： CPU利用率和每核时钟速度 GPU利用率和时钟速度（到目前为止仅Nvidia）。 应该与多个GPU一起使用（未经测试） 内存和交换利用率 网络利用率（WLAN和以太网）。 无线链路带宽不断更新。 HDD / SSD利用率。 您还可以查看正在运行的进程的概述。 入门 我想对大多数物理设备的负载进行图形化可视化。 ubuntu中的系统监视器做得很好，但是没有显示HDD和SDD负载以及没有GPU负载。 该工具将所有信息集中到一个位置

  3. 所属分类：其它

  1. gpu_performance_api：用于AMD GPU的GPU性能API-源码

  2. GPU性能API 总览 GPU性能API（GPUPerfAPI或GPA）是一个功能强大的库，可提供对GPU性能计数器的访问。 它可以使用Radeon:trade_mark:GPU帮助分析应用程序的性能和执行特征。 和以及一些第三方工具都使用此库。 资料下载 可以从“发布”页面下载预构建的二进制文件： : 目录 主要特点 提供标准API，用于跨多个GPU API访问图形和计算工作负载的GPU性能计数器。 支持Vulkan:trade_mark:，DirectX:trade_mark:12，D

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：10mb
    • 提供者：weixin_42137723

  1. pytorch：具有强大GPU加速功能的Python中的张量和动态神经网络-源码

  2. PyTorch是一个Python软件包，提供了两个高级功能： 具有强大GPU加速功能的Tensor计算（如NumPy） 基于基于磁带的autograd系统构建的深度神经网络 您可以在需要时重用自己喜欢的Python软件包（例如NumPy，SciPy和Cython）来扩展PyTorch。 系统 3.6 3.7 3.8 Linux CPU — Linux GPU — Windows CPU / GPU — — Linux（ppc64le）CPU — — Linux（pp

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：17mb
    • 提供者：weixin_42112685

  1. khiva：用于分析GPU和CPU中时间序列的算法的开源库-源码

  2. 希瓦 建立文件 构建Linux和Mac OS 建立视窗 代码覆盖率 Khiva是高效算法的开源库，可分析GPU和CPU中的时间序列。 它可用于从一个或一组时间序列中提取见解。 大量可用的方法使我们能够了解每个时间序列的性质。 根据此分析的结果，用户可以降低尺寸，发现重复的图案或不和谐，从给定的时间序列中了解季节或趋势，进行预测并检测异常。 Khiva为大规模时间序列分析提供了一种手段。 这些分析可以在能源，金融，电子医疗，物联网，音乐行业等多个行业的广泛中。 Khiva受到 ， 和等其

  3. 所属分类：其它

    • 发布日期：2021-02-01
    • 文件大小：471kb
    • 提供者：weixin_42121725

  1. BMW-YOLOv4-Inference-API-GPU：这是使用Yolov3和Yolov4 Darknet框架的无代码对象检测推理API的存储库-源码

  2. YOLOv4-v3 Darknet GPU推理API 这是使用Yolov4 Darknet框架的对象检测推理API的存储库。 该存储库还与Yolov3 darknet模型具有交叉兼容性。 该存储库还支持最新的Yolov4模型 此基于。 推理REST API可在GPU上运行。 它仅在Linux操作系统上受支持。 使用我们的培训自动化Yolov4和Yolov3存储库训练的模型可以部署在此API中。 可以同时加载和使用多个对象检测模型。 要选择Yolov4而不是Yolov3培训，只需在模型

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：15mb
    • 提供者：weixin_42120563

  1. BMW-TensorFlow-Inference-API-GPU：这是使用Tensorflow框架的对象检测推理API的存储库-源码

  2. Tensorflow GPU推理API 这是使用Tensorflow框架的对象检测推理API的存储库。 此存储库基于 。 使用的Tensorflow版本是1.13.1。 推理REST API可在GPU上运行。 它仅在Linux操作系统上受支持。 使用我们的训练tensorflow信息库训练的模型可以部署在此API中。 可以同时加载和使用多个对象检测模型。 可以使用docker或docker swarm部署此仓库。 请仅在需要以下情况时使用docker swarm ： 在API容器方

  3. 所属分类：其它

« 12 3 4 5 »