​“ 为了计算和人类的未来，我捐出世界上第一台DGX-1。 ” 2016年8月，NVIDIA创始人黄仁勋，带着一台装载了8块P100 芯片的超级计算机DGX-1，来到了OpenAI的办公大楼。在现场人员到齐后，老黄拿出记号笔，在DGX-1的机箱上写下这句话。与其一同前往的还有特斯拉和OpenAI的创始人，埃隆马斯克。这次OpenAI之行，老黄不为别的，就是为了把这台刚出炉的超算送给OpenAI，给他们的人工智能项目研究加一波速。这台DGX-1价值超过百万，是NVIDIA超过3000 名员工，花费三年时间打造。这台DGX-1，能把OpenAI一年的训练时间，压缩到短短一个月。而这，是他对人工智能

​“ 为了计算和人类的未来，我捐出世界上第一台DGX-1。 ” 2016年8月，NVIDIA创始人黄仁勋，带着一台装载了8块P100 芯片的超级计算机DGX-1，来到了OpenAI的办公大楼。在现场人员到齐后，老黄拿出记号笔，在DGX-1的机箱上写下这句话。与其一同前往的还有特斯拉和OpenAI的创始人，埃隆马斯克。这次OpenAI之行，老黄不为别的，就是为了把这台刚出炉的超算送给OpenAI，给他们的人工智能项目研究加一波速。这台DGX-1价值超过百万，是NVIDIA超过3000 名员工，花费三年时间打造。这台DGX-1，能把OpenAI一年的训练时间，压缩到短短一个月。而这，是他对人工智能

Arm架构虽然在移动领域、嵌入式领域无可匹敌，但是进军服务器数据中心、桌面却屡屡碰壁，一个主要原因就是生态软件的兼容问题，微软Windows多次试图力挺都没啥用。近日，服务器厂商Ampere悄然发布了Altra开发套件，面向云数据中心软件开发者，2003美元。有趣的是，Ampere还同时提供了一套预制的工作站开发平台(AADP)，最高可选128核心的Arm架构处理器，可以运行Windows系统，还有支持NVIDIARTX40显卡的驱动程序！这可以说是迄今为止，能运行Windows系统的最强大的Arm机器了。有了这样的开发平台，开发者可以轻松将其应用移植到高性能的Arm架构上，不过Ampere对

Arm架构虽然在移动领域、嵌入式领域无可匹敌，但是进军服务器数据中心、桌面却屡屡碰壁，一个主要原因就是生态软件的兼容问题，微软Windows多次试图力挺都没啥用。近日，服务器厂商Ampere悄然发布了Altra开发套件，面向云数据中心软件开发者，2003美元。有趣的是，Ampere还同时提供了一套预制的工作站开发平台(AADP)，最高可选128核心的Arm架构处理器，可以运行Windows系统，还有支持NVIDIARTX40显卡的驱动程序！这可以说是迄今为止，能运行Windows系统的最强大的Arm机器了。有了这样的开发平台，开发者可以轻松将其应用移植到高性能的Arm架构上，不过Ampere对

docker启动报错docker:Errorresponsefromdaemon:Conflict.Thecontainername"/redis6"isalreadyinusebycontainer"b472e52c109bb5cfadf9dcd167b0e9a66f5215477a96673f0d60c7d07d7e746b".Youhavetoremove(orrename)thatcontainertobeabletoreusethatname.原因是：Centos7的内核过低或者过高的问题。拓展视频：腾讯最新前后端技术实战https://download.csdn.net/cours

docker启动报错docker:Errorresponsefromdaemon:Conflict.Thecontainername"/redis6"isalreadyinusebycontainer"b472e52c109bb5cfadf9dcd167b0e9a66f5215477a96673f0d60c7d07d7e746b".Youhavetoremove(orrename)thatcontainertobeabletoreusethatname.原因是：Centos7的内核过低或者过高的问题。拓展视频：腾讯最新前后端技术实战https://download.csdn.net/cours

目录一、前言二、对应关系三、如何使用四、总结五、参考一、前言NVIDIA®CUDA®Toolkit为创建高性能GPU加速应用程序提供了一个开发环境。借助CUDA工具包，您可以在GPU加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和HPC超级计算机上开发、优化和部署您的应用程序。该工具包包括GPU加速库、调试和优化工具、C/C++编译器以及用于部署应用程序的运行时库。全球的深度学习研究人员和框架开发人员都依赖cuDNN来实现高性能GPU加速。它使他们可以专注于训练神经网络和开发软件应用程序，而不必花时间在底层GPU性能调整上。本篇博客记录了了CUDAToolkit和cuDNN的版本对应

目录一、前言二、对应关系三、如何使用四、总结五、参考一、前言NVIDIA®CUDA®Toolkit为创建高性能GPU加速应用程序提供了一个开发环境。借助CUDA工具包，您可以在GPU加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和HPC超级计算机上开发、优化和部署您的应用程序。该工具包包括GPU加速库、调试和优化工具、C/C++编译器以及用于部署应用程序的运行时库。全球的深度学习研究人员和框架开发人员都依赖cuDNN来实现高性能GPU加速。它使他们可以专注于训练神经网络和开发软件应用程序，而不必花时间在底层GPU性能调整上。本篇博客记录了了CUDAToolkit和cuDNN的版本对应

系统环境ubuntu16.04一.设定ubuntu的root密码1.ubuntu默认root密码在安装ubuntu操作系统时，需要配置用于登录系统的用户名和密码，却没有提示配置root密码。ubuntu默认的root用户没有固定密码，root密码随机产生，动态改变，即每次开机都有一个新的root密码。2.修改root密码使用提前配置的用户（例如dancen）登录ubuntu系统后，在终端输入以下命令：sudopasswd然后输入登录用户dancen的密码，继而输入并确认root用户的密码，即可设定root用户密码，此过程中不需要知晓root用户的默认密码：sudopasswd[sudo]pas

系统环境ubuntu16.04一.设定ubuntu的root密码1.ubuntu默认root密码在安装ubuntu操作系统时，需要配置用于登录系统的用户名和密码，却没有提示配置root密码。ubuntu默认的root用户没有固定密码，root密码随机产生，动态改变，即每次开机都有一个新的root密码。2.修改root密码使用提前配置的用户（例如dancen）登录ubuntu系统后，在终端输入以下命令：sudopasswd然后输入登录用户dancen的密码，继而输入并确认root用户的密码，即可设定root用户密码，此过程中不需要知晓root用户的默认密码：sudopasswd[sudo]pas