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
文中图片大部分来自NVIDIA产品白皮书TODO：英伟达显卡型号梳理目录：一、NVIDIAGPU的架构演变历史二、Tesla架构三、Fermi架构四、Kepler架构五、Maxwell架构六、Pascal架构七、Volta架构八、Turing架构九、Ampere架构十、Hopper架构一、NVIDIAGPU的架构演变历史和基本概念[1]截止2021年，发布时间离我们最近的8种NVIDIAGPU微架构是：Tesla (特斯拉)Fermi（费米）Kepler（开普勒）Maxwell（麦克斯韦）Pascal（帕斯卡）Volta（伏特）Turing（图灵）Ampere（安培）Hopper（赫柏）NVI
文中图片大部分来自NVIDIA产品白皮书TODO：英伟达显卡型号梳理目录：一、NVIDIAGPU的架构演变历史二、Tesla架构三、Fermi架构四、Kepler架构五、Maxwell架构六、Pascal架构七、Volta架构八、Turing架构九、Ampere架构十、Hopper架构一、NVIDIAGPU的架构演变历史和基本概念[1]截止2021年，发布时间离我们最近的8种NVIDIAGPU微架构是：Tesla (特斯拉)Fermi（费米）Kepler（开普勒）Maxwell（麦克斯韦）Pascal（帕斯卡）Volta（伏特）Turing（图灵）Ampere（安培）Hopper（赫柏）NVI
文章目录前言一、准备工作二、CPU版本三、GPU版本四、编译好的.whl文件（CPU和GPU）以及bazel压缩包总结前言MediaPipe是一款由GoogleResearch开发并开源的多媒体机器学习模型应用框架，可以直接调用其API完成目标检测、人脸检测以及关键点检测等。本文将详细介绍MediaPipe在嵌入式平台JestonNano上的安装与使用。由于GPU版需要更改许多文件，打开文件，“CTRL+F"可以搜索文件。一、准备工作1、下载MediaPipegitclone-bv0.8.5https://github.com/google/mediapipe2、安装官方编译器bazel4.0
文章目录前言一、准备工作二、CPU版本三、GPU版本四、编译好的.whl文件（CPU和GPU）以及bazel压缩包总结前言MediaPipe是一款由GoogleResearch开发并开源的多媒体机器学习模型应用框架，可以直接调用其API完成目标检测、人脸检测以及关键点检测等。本文将详细介绍MediaPipe在嵌入式平台JestonNano上的安装与使用。由于GPU版需要更改许多文件，打开文件，“CTRL+F"可以搜索文件。一、准备工作1、下载MediaPipegitclone-bv0.8.5https://github.com/google/mediapipe2、安装官方编译器bazel4.0
一、docker的概念原理参考资料：https://zhuanlan.zhihu.com/p/81693661 https://www.zhihu.com/question/506867139 https://blog.csdn.net/weixin_44751294/article/details/123191429 看过上面两个链接，就对docker是什么作用，怎么用有个大概的了解。简单摘要一些对我来说比较重要的点如下：（1）docker可以让环境配置变得简单，在多人同时使用一台服务器或者时不时换电脑换机器所有的包时都很有用（2）docker可以看
一、docker的概念原理参考资料：https://zhuanlan.zhihu.com/p/81693661 https://www.zhihu.com/question/506867139 https://blog.csdn.net/weixin_44751294/article/details/123191429 看过上面两个链接，就对docker是什么作用，怎么用有个大概的了解。简单摘要一些对我来说比较重要的点如下：（1）docker可以让环境配置变得简单，在多人同时使用一台服务器或者时不时换电脑换机器所有的包时都很有用（2）docker可以看
一，导出onnx模块1.1运行python.\export.py导出onnx模块 yolov7提供了简单的点对点预测，不需要再重新写NMS，非常方便，于是当然采用--end2end方法啦，命令如下图： 运行时发现没装onnx,那就安装好了1.2安装onnxcondainstall-cconda-forgeonnx但是！又出现了这个问题原因是__int__()需要2到7个参数，但给了8个参数。查看代码export.py159行，确实是8个参数：修改为义下代码： 问题解决。2，.NETC#Microsoft.ML.OnnxRuntime.GPU版调用onnx模型2.1安装onnxrunti
一，导出onnx模块1.1运行python.\export.py导出onnx模块 yolov7提供了简单的点对点预测，不需要再重新写NMS，非常方便，于是当然采用--end2end方法啦，命令如下图： 运行时发现没装onnx,那就安装好了1.2安装onnxcondainstall-cconda-forgeonnx但是！又出现了这个问题原因是__int__()需要2到7个参数，但给了8个参数。查看代码export.py159行，确实是8个参数：修改为义下代码： 问题解决。2，.NETC#Microsoft.ML.OnnxRuntime.GPU版调用onnx模型2.1安装onnxrunti
写在前面的注意事项！记得在每次搞新项目的时候先配置一个pytorch环境，或者复制已有的环境condacreate-n新环境名--clone旧环境名之后可以 condalist一下（或者condaenvlist，查看是否新建成功），看看新环境的配置怎么样~首先，如果想使用GPU版本的pytorch，那就先判断自己电脑是否有NVIDIA（英伟达），有的话才能实现之后的GPU版本的pytorch的配置判断方法：电脑左下角搜索—任务管理器—性能—看是否有GPU字眼如下图，说明我的电脑上有GPU没有的话也不用着急，不影响Anaconda和Pycharm的安装和使用，而且你可以使用CPU的Pytorch
