ljg2np

动态 发布 点评 好友 关于
  • 2024-11-09

  • 回复了主题帖： 深度学习框架的相关讨论

    本帖最后由 ljg2np 于 2024-11-9 05:38 编辑 hellokitty_bean 发表于 2024-11-8 18:10 总体感觉，总结得非常好。。。。。。。。。。。。。。。。。。。。 还在不断摸索、探讨和学习中，感谢你的认可和支持:handshake

  • 2024-11-08

  • 回复了主题帖： 动手学深度学习（PyTorch版）- 【读书活动-心得分享】pytorch 线形代数相关操作

    Jacktang 发表于 2024-10-20 09:12 点积为矩阵相同元素的相乘的和，这个是不一般的不好理解 “点积为矩阵相同元素的相乘的和，这个是不一般的不好理解”，应该是指对相同位置元素的相乘的和，如果是相同元素，确实不太好理解。

  • 回复了主题帖： 关于GPU编程的讨论

    GPU的出现和提出，很大程度上促进和推动了一些领域和行业的发展，尤其是对于人工智能领域的参与，使其受到了普遍的关注，促进了计算机领域的改革和发展。

  • 回复了主题帖： 关于GPU编程的讨论

    zpw0316 发表于 2024-11-7 17:11 能不能描述清楚一点？485通信速率难道不是波特率决定的吗？ 波特率的概念更为普遍适用，不止RS485，对RS422、RS232都可以采用的；对于GPU来说，它本身是作为显卡的芯片，侧重于图形处理和显示器适配的，随着芯片技术的发展，增强了性能，引入了并行计算功能，而且借助于显示器是电脑的标配的缘故，很方便的得到了应用和推广；实际上，它并不是专门从事并行、分布、集群的超大规模计算的。

  • 回复了主题帖： 采用pyTorch训练CNN的讨论

    pyTorch通过提供torch.library来进行pyTorch 核心运算符库的扩展、测试和创建，几个方法及其作用： 1、torch.library.custom_op  用于创建新的自定义运算符。此装饰器将函数包装为自定义运算符，使其能够与PyTorch的各个子系统交互。 2、torch.library.opcheck  用于测试自定义运算符是否正确注册，并检查运算符在不同设备上的行为是否一致。 3、torch.library.register_kernel  为自定义运算符注册特定设备类型的实现（如CPU或CUDA）。 4、torch.library.register_autograd  注册自定义运算符的后向传递公式，使其能够在自动求导过程中正确计算梯度。 5、torch.library.register_fake  为自定义运算符注册 FakeTensor 实现，以支持 PyTorch 编译 API。

  • 回复了主题帖： 关于GPU编程的讨论

    在pyTorch中调用GPU的两种方法： 1、调用model.cuda()，将模型加载到GPU； 2、调用model.to(device)，这种方式应用较多。

  • 2024-11-07

  • 回复了主题帖： 让AI来帮你绘制一个电源PCB，靠谱吗？

    凡是可以规范化的操作，应该都是可以通过AI来实现的，至少可以辅助性的参与进来。

  • 回复了主题帖： 关于GPU编程的讨论

    本帖最后由 ljg2np 于 2024-11-8 09:31 编辑 在CUDA中通过函数类型限定词区分host和device上的函数，kernel（核函数）是在device上线程中并行执行的函数，用_global__符号声明；在device上执行时启动很多线程，一个kernel启动的所有线程称为一个网格（grid），同一个网格上的线程共享相同的全局内存空间，网格分为很多线程块（block），每个块包含了若干线程。主要的三个函数类型限定词如下：     1、__global__在device上执行，从host中调用，返回类型是void，不能成为类成员函数；     2、__device__在device上执行，仅在device中调用，不和_global__同时用；     3、__host__在host上执行，仅在host上调用，可省略不写，不和_global__同时用，可和__device__一起使用，函数在device和host都被编译。

  • 回复了主题帖： 关于GPU编程的讨论

    wangerxian 发表于 2024-11-7 13:09 CUDA是英伟达非常伟大的设计。 分布式并行计算技术一直在发展，英伟达通过CUDA将显卡芯片发展为GPU，极大降低了普通用户参与AI实现的门槛。

  • 回复了主题帖： 关于GPU编程的讨论

    GPU与CPU通过PCIe总线连接，CPU一侧称为主机端（host），GPU一侧称为设备端（device）；CUDA是NVIDIA公司开发的GPU编程模型，它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序。CUDA程序的执行流程如下： 1、分配host内存，并进行数据初始化； 2、分配device内存，并从host将数据拷贝到device上； 3、调用CUDA的核函数在device上完成指定的运算； 4、将device上的运算结果拷贝到host上； 5、释放device和host上分配的内存。

  • 回复了主题帖： 关于GPU编程的讨论

    本帖最后由 ljg2np 于 2024-11-7 14:22 编辑   GPU硬件的一个核心组件是SM（Streaming Multiprocessor，流式多处理器），SM采用的是SIMT（Single-Instruction, Multiple-Thread，单指令多线程）架构，CUDA Warp（线程束）是CUDA中的最小执行单元，由 32 个线程或更少组成，运行在精确的32个GPU核心上，就像网格由块组成一样，块由Warps组成，Warp的多少取决于块使用的线程数。

  • 回复了主题帖： 关于GPU编程的讨论

    cuDNN是NVIDIA提供的针对深度神经网络基元的一个优化 GPU 库，这些基元包括前向传播、卷积、反向传播、激活函数（如 sigmoid、ReLU 和 tanh）和梯度下降，cuDNN 是大多数主流深度神经网络框架（如 Tensorflow）在 NVIDIA GPU 上的底层支撑。

  • 回复了主题帖： 关于GPU编程的讨论

    在CUDA平台下，CPU和GPU是如何分工协作的？ 1. CPU负责任务调度和管理。 2. GPU负责并行计算：使用大量CUDA核心执行任务，完成大规模向量计算。 3. 数据交换：CPU和GPU之间存在数据交换，GPU显存决定并行处理规模和计算速度。

  • 发表了主题帖： 关于GPU编程的讨论

    图形处理器（Graphics Processing Unit, GPU）和中央处理器（Central Processing Unit, CPU）相对，是显卡的核心芯片；统一计算设备架构（Compute Unified Device Architecture, CUDA），是由英伟达（NVIDIA）推出的通用并行计算架构，作为开发GPU的编程接口，CUDA通过CPU任务分发和GPU并行处理来提升计算效率。    

  • 回复了主题帖： 【求助】小学六年级的题目，我硬是不会做

    ljg2np 发表于 2024-11-6 18:13 我算的结果是：7pi/2-8。 步骤： 1、求出2个扇形面积； 2、求出四边形的面积； 3、求面积差，得到结果 ... 更正补充：这里的计算结果有误，正确的结果应该是≈3.77pi-8。

  • 2024-11-06

  • 回复了主题帖： 【求助】小学六年级的题目，我硬是不会做

    小窍门：扇形求交的计算方法，可以转化为两个扇形的面积减去四边形的面积，再加上特殊的附加条件。

  • 回复了主题帖： 【求助】小学六年级的题目，我硬是不会做

    我算的结果是：7pi/2-8。 步骤： 1、求出2个扇形面积； 2、求出四边形的面积； 3、求面积差，得到结果。

  • 回复了主题帖： 【求助】小学六年级的题目，我硬是不会做

    再给出一种思路： 1、求交点； 2、作弦； 3、求面积，得到结果。

  • 回复了主题帖： 【求助】小学六年级的题目，我硬是不会做

    给出步骤： 1、写出2条曲线的方程； 2、求交点； 3、求积分，得到结果。

  • 回复了主题帖： 动手学深度学习（五）：深度学习计算

    整理为类的方式，比较符合python的语言风格（代码整洁），而且使用起来也比较方便。

第1页首页尾页    总共7页跳转
发布的帖子
回复过的帖子

最近访客

< 1/1 >

统计信息

已有7人来访过

  • 芯积分：53
  • 好友：--
  • 主题：5
  • 回复：117

留言

你需要登录后才可以留言 登录 | 注册

现在还没有留言

推荐博文