文章目录TensorFlow简介TensorFlow是什么tensorflow版本变迁tensorflow2.0架构安装过程常用IDE安装python3.9的安装Anaconda的安装CUDA安装cuda软件安装cuDNN神经网络加速库安装配置环境变量TensorFlow的gpu版本安装TensorFlow简介TensorFlow是什么TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Googlebrainteam进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数
自从Meta发布「开源版ChatGPT」LLaMA之后，学界可谓是一片狂欢。先是斯坦福提出了70亿参数Alpaca，紧接着又是UC伯克利联手CMU、斯坦福、UCSD和MBZUAI发布的130亿参数Vicuna，在超过90%的情况下实现了与ChatGPT和Bard相匹敌的能力。今天，「卷王」UC伯克利LMSysorg又发布了70亿参数的Vicuna——不仅体积小、效率高、能力强，而且只需两行命令就能在M1/M2芯片的Mac上运行，还能开启GPU加速！项目地址：https://github.com/lm-sys/FastChat/#fine-tuning恰在今天，HuggingFace的研究人员也
自从Meta发布「开源版ChatGPT」LLaMA之后，学界可谓是一片狂欢。先是斯坦福提出了70亿参数Alpaca，紧接着又是UC伯克利联手CMU、斯坦福、UCSD和MBZUAI发布的130亿参数Vicuna，在超过90%的情况下实现了与ChatGPT和Bard相匹敌的能力。今天，「卷王」UC伯克利LMSysorg又发布了70亿参数的Vicuna——不仅体积小、效率高、能力强，而且只需两行命令就能在M1/M2芯片的Mac上运行，还能开启GPU加速！项目地址：https://github.com/lm-sys/FastChat/#fine-tuning恰在今天，HuggingFace的研究人员也
另一篇：ffmpeg硬编解码InterQSV常见的硬件编码包括NvidiaGPU与IntelQSV两种，还有一些嵌入式平台如树莓派，瑞芯微等。首先理解一下概念，Nvidia中文名英伟达是一个厂商名字，GPU则是这个厂商生产的显卡里的一个个图像处理的逻辑单元，它主要是作图片处理，但有逻辑处理的能力，所以可以替cpu分担一些逻辑处理压力。了解一下ffmpeg对Nvidia的GPU编码支持哪些参数，可以通过ffmpeg-hencoder=h264_nvenc可以看到编码的参数与x264相比有些类似，但少很多，不过关键的都在。解码时ffmpeg对它的参数支持查看：ffmpeg-hdecoder=h26
另一篇：ffmpeg硬编解码InterQSV常见的硬件编码包括NvidiaGPU与IntelQSV两种，还有一些嵌入式平台如树莓派，瑞芯微等。首先理解一下概念，Nvidia中文名英伟达是一个厂商名字，GPU则是这个厂商生产的显卡里的一个个图像处理的逻辑单元，它主要是作图片处理，但有逻辑处理的能力，所以可以替cpu分担一些逻辑处理压力。了解一下ffmpeg对Nvidia的GPU编码支持哪些参数，可以通过ffmpeg-hencoder=h264_nvenc可以看到编码的参数与x264相比有些类似，但少很多，不过关键的都在。解码时ffmpeg对它的参数支持查看：ffmpeg-hdecoder=h26
文章目录1.介绍1.1多GPU训练的命令1.2查看GPU状态pytorch多GPU训练启动方式项目代码2.代码讲解2.1单GPU训练训练参数说明训练脚本2.2多GPU训练训练参数说明主函数介绍3.训练时间对比4.源码1.介绍pytorch多GPU并行训练原理介绍，参考我之前的博客:pytorch中使用多GPU并行训练。1.1多GPU训练的命令（1）指定使用GPU：0运行脚本方式1：CUDA_VISIBLE_DEVICES=0python***.py方式2：在python脚本文件中添加如下内容进行指定importosos.environ["CUDA_VISIBLE_DEVICES"]="0"如果
文章目录1.介绍1.1多GPU训练的命令1.2查看GPU状态pytorch多GPU训练启动方式项目代码2.代码讲解2.1单GPU训练训练参数说明训练脚本2.2多GPU训练训练参数说明主函数介绍3.训练时间对比4.源码1.介绍pytorch多GPU并行训练原理介绍，参考我之前的博客:pytorch中使用多GPU并行训练。1.1多GPU训练的命令（1）指定使用GPU：0运行脚本方式1：CUDA_VISIBLE_DEVICES=0python***.py方式2：在python脚本文件中添加如下内容进行指定importosos.environ["CUDA_VISIBLE_DEVICES"]="0"如果
目录1.文章主要内容2.租用AutoDL服务器详细教程2.1注册AutoDL账号，并申请学生认证(学生认证有优惠，如果不是学生可以忽略此点)2.2算力市场选择GPU，并选择初始化配置环境2.3控制台参数解析，并使用相关参数登录Xftp(Windows与Linux跨平台传输软件，很关键)2.3.1控制台参数解析2.3.2Xftp下载以及配置3.使用Pycharm软件远程连接服务器，并训练模型(以Yolov5项目为例)3.1Pycharm配置服务器参数，远程连接服务器3.2配置pytorch和yolov5所需环境，以守护进程训练模型4.本篇总结1.文章主要内容 本篇博客主要涉及两个主体内容。
目录1.文章主要内容2.租用AutoDL服务器详细教程2.1注册AutoDL账号，并申请学生认证(学生认证有优惠，如果不是学生可以忽略此点)2.2算力市场选择GPU，并选择初始化配置环境2.3控制台参数解析，并使用相关参数登录Xftp(Windows与Linux跨平台传输软件，很关键)2.3.1控制台参数解析2.3.2Xftp下载以及配置3.使用Pycharm软件远程连接服务器，并训练模型(以Yolov5项目为例)3.1Pycharm配置服务器参数，远程连接服务器3.2配置pytorch和yolov5所需环境，以守护进程训练模型4.本篇总结1.文章主要内容 本篇博客主要涉及两个主体内容。
北京超级云计算中心（北京超算云）是一个很不错的训练深度学习模型的平台（主要是可以白嫖200元的GPU算力资源），官网连接。申请账号现在应该还送200元（我申请使用的是GPU服务器）。在官网中填写申请信息，然后等着客户经理给你打电话，然后把你的需求说清楚，第二天就能拿到账号了！！注意：注册好的账号和平台使用说明，会通过邮箱发送给你。一、拿到账号之后，开始进行如下操作：①在官网下载并安装PC客户端，安装好并登录自己的账号，如图所示②点击SSH软件登陆——>点击连接③出现此界面表示登陆成功。（此界面开头的一段文字简单的告诉了用户北京超算云的使用规则）二、上传需要训练的模型的文件夹①首先先要在自己的电
