因为工作业务需求的关系，需编译onnxruntime引入项目中使用，主项目exe是使用的vs2017+qt5.12。onnxruntime就不用介绍是啥了撒，在优化和加速AI机器学习推理和训练这块赫赫有名就是了。有现成的别人编译好的只有dll动态库，当然我们显然是不可能使用的，因为BOSS首先就提出一定要让发布出去的程序体积尽量变少，我肯定是无法精细的拆分哪一些用到了的，哪一些代码是没用到的，还多次强调同时执行效率当然也要杠杠滴。所以下面就开始描述这几天一系列坎坷之路，留个记录，希望过久了自己不会忘记吧，如果能帮助到某些同行少走些弯路也最好：1.Clonerepo诧一听你可能会觉得一个大名鼎鼎
因为工作业务需求的关系，需编译onnxruntime引入项目中使用，主项目exe是使用的vs2017+qt5.12。onnxruntime就不用介绍是啥了撒，在优化和加速AI机器学习推理和训练这块赫赫有名就是了。有现成的别人编译好的只有dll动态库，当然我们显然是不可能使用的，因为BOSS首先就提出一定要让发布出去的程序体积尽量变少，我肯定是无法精细的拆分哪一些用到了的，哪一些代码是没用到的，还多次强调同时执行效率当然也要杠杠滴。所以下面就开始描述这几天一系列坎坷之路，留个记录，希望过久了自己不会忘记吧，如果能帮助到某些同行少走些弯路也最好：1.Clonerepo诧一听你可能会觉得一个大名鼎鼎
目录前言CPU是什么？GPU是什么？GPU与CPU的区别GPU的由来并行计算GPU架构优化GPU和CPU的应用场景作者：小牛呼噜噜|https://xiaoniuhululu.com计算机内功、JAVA底层、面试相关资料等更多精彩文章在公众号「小牛呼噜噜」前言大家好，国庆马上就要过去了，这不偷偷地进来学习了一波。之前小牛学过一点深度学习的知识，做了几个项目，发现CPU来训练就很慢，但是后来用装有GPU的电脑来训练，就明显快的飞起，感觉很神奇。此时心里有个疑问，CPU造价那么昂贵，性能比起内存、机械硬盘、固态硬盘，快的不是一个数量级的，这个GPU竟然比CPU还要厉害？让我们一起进入计算机的世界，
目录前言CPU是什么？GPU是什么？GPU与CPU的区别GPU的由来并行计算GPU架构优化GPU和CPU的应用场景作者：小牛呼噜噜|https://xiaoniuhululu.com计算机内功、JAVA底层、面试相关资料等更多精彩文章在公众号「小牛呼噜噜」前言大家好，国庆马上就要过去了，这不偷偷地进来学习了一波。之前小牛学过一点深度学习的知识，做了几个项目，发现CPU来训练就很慢，但是后来用装有GPU的电脑来训练，就明显快的飞起，感觉很神奇。此时心里有个疑问，CPU造价那么昂贵，性能比起内存、机械硬盘、固态硬盘，快的不是一个数量级的，这个GPU竟然比CPU还要厉害？让我们一起进入计算机的世界，
SAPQM高阶之PhysicalSampleManagement PartI:PhysicalSampleManagement功能简介 SAPQM模块中的PhysicalSampleManagement是制药/食品/化工等流程行业中通常使用的功能。 它可提供以下三种类型的PhysicalSample（物理样本）：Primarysamples(原始样本)直接从总体或检验批中提取。Pooledsamples(混合样本)是通过合并主样本创建的。Reservesamples(保留样本)是保留为样本的原始样本。上述三种样品的取样数量通过SampleDrawingProcedure.计算。 举例说明上述
SAPQM高阶之PhysicalSampleManagement PartI:PhysicalSampleManagement功能简介 SAPQM模块中的PhysicalSampleManagement是制药/食品/化工等流程行业中通常使用的功能。 它可提供以下三种类型的PhysicalSample（物理样本）：Primarysamples(原始样本)直接从总体或检验批中提取。Pooledsamples(混合样本)是通过合并主样本创建的。Reservesamples(保留样本)是保留为样本的原始样本。上述三种样品的取样数量通过SampleDrawingProcedure.计算。 举例说明上述
首先说明本文并不是安装教程，网上有很多，这里只是自己遇到的一些问题我是以前安装的tensorflow-gpu的，但是发现现在的学术论文大部分都是用pytorch复现的，因此才去安装的pytorch-gpu查看自己安装的CUDAnvcc-V这里我提供一个安装tensorflow时所用的CUDA对应表 安装cuDNN时版本一定要对应正确 安装完CUDA时要改一下环境变量 只用添加这个就好，其他三个CUDA会自动为你添加 我的是cuda-11.2但是官网没有配套的，直接就挑自己喜欢的下就行StartLocally|PyTorch 这里强调：千万不要相信在其他网站上的下载命令。有可能你下载的就是
DPU：第三颗主力芯片英伟达吹爆的DPU到底是啥？真能做到与CPU、GPU比肩？2020年，NVIDIA在GTC战略发布中将DPU定义为，继CPU和GPU之后“第三颗主力芯片”，正式拉开DPU大发展的序幕。作为主力芯片新物种，DPU市场空间正快速扩张。DPU非单一芯片，由基础网卡进化而来，是具备网络能力，同时融入通用计算能力，可进行安全与存储卸载功能的下一代智能网卡，是智能网卡发展的下一形态。DPU相较于普通网卡的主要特征，是具有独立计算单元，能够完成特定基础设施功能操作，带来显著性能提升。如果说CPU是计算生态的底座，主力芯片的基石；GPU是从图形处理到数据处理芯片蜕变，而DPU则是因数据中
首先说明本文并不是安装教程，网上有很多，这里只是自己遇到的一些问题我是以前安装的tensorflow-gpu的，但是发现现在的学术论文大部分都是用pytorch复现的，因此才去安装的pytorch-gpu查看自己安装的CUDAnvcc-V这里我提供一个安装tensorflow时所用的CUDA对应表 安装cuDNN时版本一定要对应正确 安装完CUDA时要改一下环境变量 只用添加这个就好，其他三个CUDA会自动为你添加 我的是cuda-11.2但是官网没有配套的，直接就挑自己喜欢的下就行StartLocally|PyTorch 这里强调：千万不要相信在其他网站上的下载命令。有可能你下载的就是
DPU：第三颗主力芯片英伟达吹爆的DPU到底是啥？真能做到与CPU、GPU比肩？2020年，NVIDIA在GTC战略发布中将DPU定义为，继CPU和GPU之后“第三颗主力芯片”，正式拉开DPU大发展的序幕。作为主力芯片新物种，DPU市场空间正快速扩张。DPU非单一芯片，由基础网卡进化而来，是具备网络能力，同时融入通用计算能力，可进行安全与存储卸载功能的下一代智能网卡，是智能网卡发展的下一形态。DPU相较于普通网卡的主要特征，是具有独立计算单元，能够完成特定基础设施功能操作，带来显著性能提升。如果说CPU是计算生态的底座，主力芯片的基石；GPU是从图形处理到数据处理芯片蜕变，而DPU则是因数据中
