GPU 我来了

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2.3k累计阅读 2.3k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄23年

关注

原创最新推荐文章于 2026-02-17 11:06:38 发布 2.3k 阅读 AI 写同款· GEO 优化 ›

《Gpu Gems》《Gpu Pro》《Gpu Zen》系列读书笔记本篇blog简单记录了一下最近一两年一直在读的一系列书目。《Gpu Gems》1-3三部，《Gpu Pro》1-7七部，《Gpu Zen》一部。针对每一项渲染技术，进行全系列书的总结，从这个角度来看，可以看到一项技术，近十五六年来的进化过程。阅读详情

Hello GPU

GPU coding parallel computing

收录于

心情类

当前文章被收录于：

心情类

45 篇文章 0 人学习

订阅专栏查看详情

C/C++

当前文章被收录于：

C/C++

38 篇文章 0 人学习

订阅专栏查看详情

linux

当前文章被收录于：

linux

37 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#parallel

GPU直通、GPU共享及GPU虚拟化比较 GPU直通：将GPU设备直通给虚拟机。 PCI直通硬件直通是指将物理主机的硬件资源直接挂载给虚拟机使用，不需要经过hypervisor的模拟和过滤，虚拟机发的命令直接送到物理设备。GPU直通模式是最早采用也最成熟的方案。三家（Nvidia Tesla，AMD FirePro，Intel Gen8/Gen9）都有支持。直通模式的实现依赖于IOMMU的功能。VTD对IOVA的地址转换使得直通设备可以在硬件层次直接使用GPA（Guest Physical Address）地址。直通模式的技术方案与其他任阅读详情

相关推荐

GPU编程--CPU和GPU的设计区别

本篇结构前言概论 CPU简介 GPU简介并行计算 CPU/GPU对比适于GPU计算的场景 GPU开发环境参考博文一、前言因为工作需要，需要从github上找一个CUDA的DBSCAN聚类实现，刚开始从github上获取到的代码只支持二维数据，为了适配多维数据，要对代码简单改造，这就需要了解CUDA编程模式。之前没有接触过GPU编程相关概念，甚至于没有学过c语言，加上脑袋笨重...

w1992wishes的博客 1万+

走进并行时代之GPU篇(一)

并行计算一直以来都是比较高端的一个东东，对于普通的程序员还是不容易接触。不过如今多核开始流行，用自己的一台PC机都可以来实现并行算法了，多核从结构上来看就和SMP差不多。只是现在主流的也就2核，体现不出并行计算的强大。另一方面，GPU现在是越做越强大，nv发布G80的时候的一个口号就是打造个人的超级计算机。GPU和CPU的设计理念不同，GPU是计算密集型的，因为它的最初设计就是为了图形处理，并不

threepigs的专栏 2295

GPU：使用gpu-burn压测GPU

在测试GPU的性能问题时，通常需要考虑电力和散热问题。使用压力测试工具，可以测试GPU满载时的状态参数（如温度等）。gpu_burn是一个有效的压力测试工具。通过以下步骤可以进行测试。3、跑完之后关机,找出那张没有温度的卡,即故障卡。

we chat：玩转测试开发 1万+

Java多线程系列（2）

可并行化的算法：某个CPU上运行循环的迭代的同时，另一个CPU上运行另一个循环的迭代。之间数据的依赖性可能会禁止某特定的循环被并行化，但是对于CPU密集的程序，将可能的循环并行化可以大幅提高程序运行速度。（by Johnny Deng）Java的编译器不支持循环并行的自动化，但是我们可以了手动的实现一下。举例：原程序：/*-*******************************

John.Deng的专栏 1065

k8s中如何使用gpu、gpu资源讲解、nvidia gpu驱动安装

gpu资源也是服务器中常见的一种资源，gpu即显卡，一般用在人工智能、图文识别、大模型等领域，其中nvidia gpu是nvidia公司生产的nvidia类型的显卡，amd gpu则是adm公司生产的amd类型gpu。企业中服务器最常见的就是英伟达gpu服务器了。本篇也主要讲解英伟达驱动相关的知识。

MssGuo的博客 1万+

使用gpu_burn对GPU进行压测

使用gpu_burn，能在命令行中，对服务器上的每一个GPU进行压力测试，得出其速度、温度等关键指标。

ybdesire的专栏 1万+

CPU和GPU区别（GPU入门）

文章目录什么是超算：CPUGPUGPU和CPU的区别：硬件结构区别串行和并行CPU和GPU联系GPU 硬件结构线程格(Grid)线程块(Block)线程(Thread)核函数（Kernel）一些概念显存容量显存位宽什么是超算：把计算机连接在一起，获得更强大计算能力原来：串行计算现在：并行提交任务计算超算：就是一群计算机超算使用的技术： GPU技术。 CPU 在CPU基础上增加GPU来协助CPU CPU局限性： CPU由于物理限制，遇到了工艺上壁垒，主频无法突破。而GPU却仍在高速的增长。 GP

Charles Ren's Tech Blog 2万+

GPU基本介绍与各GPU性能、价格比较

1 GPU基本概念 1.1 CUDA CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 CUDA核心数量决定了GPU并行处理的能力，在深度学习、机器学习等并行计算类业务下，CUDA核心多意味着性能好一些。 1.2 Tensor(张量) 内核 CUDA是NVIDIA推出的统一计算架构，NVIDIA过去的几乎每款GPU都有CUDA Core，而T

zephyr_wang的博客 1万+

gpu运行pycharm

如何使用自己电脑上自带的GPU来运行pycharm中的程序第一步：cuda的安装第二步：mxnet的安装第三步：可能的numpy问题附1：如何回到CPU模式附2：如何判断自己是否在用GPU 第一步：cuda的安装首先进入NCIVA控制面板，点击左下方系统信息，再点击组件，发现在3D设置里面有CUDA11.1，但是这个CUDA貌似在Pycharm中无法同时，同时按：Win+R，输入cmd后，在命令行中输入: nvcc --version #用于查看cuda版本提示：不是内部命令或外部命令,也不是可运行程

qq_43138237的博客 4万+

GPU / GPU RAM

今天，我将讨论安装在显卡上的内存。什么是 GPU 内存？它的目的，以及为什么需要 GPU RAM？此类问题和疑虑通常在PC用户中提出。在本指南中，首先，我将解释内存在显卡上的作用。此外，将其与计算机主板上安装的 RAM 进行比较，可以揭示差异以及有关此主题的其他常见问题。确保您知道 GPU RAM 有时也称为视频内存或 VRAM，因此最好将其一起记住。让我们开始吧！

超越方程的博客 1610

KubeVirt下gpu operator实践(GPU直通)

参考《在 KubeVirt 中使用 GPU Operator》，记录gpu operator在KubeVirt下实践的过程，包括虚拟机配置GPU直通，容器挂载GPU设备等。KubeVirt 提供了一种将主机设备分配给虚拟机的机制。该机制具有通用性，支持分配各种类型的 PCI 设备，例如加速器（包括 GPU）或其他连接到 PCI 总线的设备。

lldhsds的专栏 1675

pytorch中查看gpu信息、选择使用gpu

前提：安装好Python3.6+，torch(GPU)，登录一台开发机，。 1.查看cuda是否可用：torch.cuda.is_available()

凝眸伏笔的博客 4万+

使用 Elastic GPU 管理 Kubernetes GPU 资源

关于我们更多关于云原生的案例和知识，可关注同名【腾讯云原生】公众号~ 福利： ①公众号后台回复【手册】，可获得《腾讯云原生路线图手册》&《腾讯云原生最佳实践》~ ②公众号后台回复【系列】，可获得《15个系列100+篇超实用云原生原创干货合集》，包含Kubernetes 降本增效、K8s 性能优化实践、最佳实践等系列。 ③公众号后台回复【白皮书】，可获得《腾讯云容器安全白皮书》&《降本之源-云原生成本管理白皮书v1.0》 ④公众号后台回复【光速入门】，可获得腾讯云专家5万字精华教程，光速入门

吉小白的博客 3514

【GPU】NVIDIA GPU 系列

开始GPU故事的讨论之前，我们先来看一下CPU，CPU是顺序处理器，可以相继处理一条条指令，现在CPU一般都是多核心，可以同时处理多条指令和多个线程。CPU 擅长执行的程序和，如数学计算和串行排序算法。但是，举个简单的例子，在图像处理任务中，有 1024 * 1024 * 3 个像素需要同时处理，以便进行渲染，CPU 通过串行处理（或半串行处理，我这么说是因为 CPU 可以通过利用线程中的指令级并行性（ILP）和同时执行多个线程来加快处理速度）来降低处理速度。

orange_tong的博客 2778

Keil MDK-ARM v5.43a 部署 STM32F103 开发环境全流程

嵌入式开发环境是 Cortex-M 微控制器工程落地的基础支撑，其核心在于编译器链、设备支持包（DFP）与调试驱动的协同一致性。Keil MDK-ARM 作为工业级 ARM Cortex-M 开发套件，依托 Arm Compiler 和 CMSIS 标准，提供从代码编译、外设抽象到实时调试的全栈能力。其技术价值体现在对 STM32 等主流 MCU 的深度适配、高可靠性 SWD 调试支持，以及与 HAL 库、CubeMX 工程的无缝集成。典型应用场景涵盖温湿度传感终端、工业 PLC 子模块及低功耗边缘节点开发

weixin_33750664的博客 888

Cadence数模混合仿真实战：从Verilog到ADE L的完整流程解析

本文详细解析了Cadence数模混合仿真的完整流程，从Verilog代码编写到ADE L仿真环境配置。通过实战案例讲解如何创建Config文件、搭建混合信号原理图，并分享提高仿真效率的技巧和常见问题排查方法，帮助工程师掌握这一关键芯片设计验证技术。

weixin_29246195的博客 986

docker使用GPU总结

docker使用GPU总结（注：本文只讨论docker19使用gpu，低于19的请移步其他博客，或更新19后再参考本文）背景及基本介绍感觉docker已是toB公司的必备吧，有了docker再也不用担心因客户环境问题导致程序各种bug，也大大省去了配置客户服务器的过程。现由于项目要使用GPU，所以需要docker支持GPU，在docker19以前都需要单独下载nvidia...

正在学习的Lee的博客 4万+

SuccessFactors入门篇

SuccessFactors入门篇—— Employee Central（一）最近通过一个月左右的学习，拿到了SF EC(SuccessFactors Employee Central )模块SAP认证，所以打算把自己学习SF的整个过程以及相关资料和大家分享一下，相互切磋，共同进步。Employee Central简单了解Employee Central简单了解新的改变功能快捷键合理的创建标题，有...

qq_42288853的博客 1万+

【架构】GPU架构总结

在之前的 SM 概览图以及上图里，可以注意到 SM 内有两个 Warp Scheduler 和两个 Dispatch Unit. 这意味着，同一时刻，会并发运行两个 warp，每个 warp 会被分发到一个 Cuda Core Group(16 个 CUDA Core), 或者 16 个 load/store 单元，或者 4 个 SFU 上去真正执行，且每次分发只执行一条指令，而 Warp Scheduler 维护了多个（比如几十个）的 Warp 状态。在提升性能的同时，H100的功耗也在大幅上升。

qq_43543209的博客 1万+

sid图像数据_遥感影像数据

影像数据基本概念影像数据是由卫星或飞机上的成像系统获得的影像，多为遥感影像数据。影像数据的每个像元都有一个值，表示传感器探测到像素对应地面面积上目标物的电磁辐射强度，也叫亮度值、灰度值。SuperMap支持的影像数据格式有：*.img、*.tif、*.tiff、*.bmp、*.jpg、*.png、*.gif、*.raw、*.sid等。计算机以二进制记录数据，所以其量化的等级以二进制来划分，即2n。...

weixin_39534395的博客 1626

AI 辅助代码审查：开启代码质量管控的智能时代

AI辅助代码审查正在改变传统的代码质量管控方式。通过自动化分析、智能反馈和上下文感知，AI不仅提高了代码审查的效率，还提升了代码质量的一致性和可维护性。随着机器学习和深度学习技术的不断发展，未来AI将成为开发者日常工作中强大的助手，进一步推动软件开发向智能化、自动化方向发展。

这里只有干货：从 Modbus 通信到 MES 对接，从 YOLO 训练到工控机部署，带你搞定工业软件开发全流程。 3228

GPU（一）GPU简介

GPU简介

NUCEMLS的博客 3391

yolov5-6.0的稀疏化训练、结构化剪枝、微调

YOLOv5的BN剪枝、微调

qq_41920323的博客 4394

tensorflow中指定GPU及GPU显存设置

查看机器上GPU情况命令： nvidia-smi 功能：显示机器上gpu的情况命令： nvidia-smi -l 功能：定时更新显示机器上gpu的情况其中左上侧有0、1、2、3的编号，表示GPU的编号，在后面指定GPU时需要使用这个编号。在终端执行程序时指定GPU CUDA_VISIBLE_DEVICES=1 python your_

妙猪的专栏 10万+

【GameFramework框架内置模块】9、有限状态机（FSM）

这篇文章分享FSM有限状态机，了解过StarForce源码的同学相比都比较了解，GameFramework框架给我们抽象了一个Procedure流程的概念。这个Procedure流程可以方便的处理我们游戏从启动到游戏的各个流程阶段的处理逻辑，实现的核心就是FSM状态机，内部的Procedure流程就是不同的FsmState状态。接下来，就是FSM有限状态机的教程了。有限状态机（Finite-state machine,FSM）

优快云博客专家，Unity3D高级软件工程师，《Unity 3D从入门到实战》作者。 2533

PostgreSQL：十五. 性能优化

十五. 性能优化优化简介： PostgreSQL优化一方面是找出系统的瓶颈，提高PostgreSQL数据库整体的性能；另一方面，需要合理的结构设计和参数调整，以提高用户操作响应的速度；同时还要尽可能的节省系统资源，以便系统可以提供更大负荷的服务。 PostgreSQL数据库优化是多方面的，原则是减少系统的瓶颈，减少资源的占用，增加系统的反应速度。例如：通过优化文件系统，提高磁盘IO的读写速度；通过优化操作系统调度策略，提高PostgreSQL的在高负荷情况下负载能力；优化表结构、索引、查询

数据知道的博客 4万+

上一篇： recently research code analyse & SSE & network coding （一）

下一篇： GPU

GPU编程--CPU和GPU的设计区别

w1992wishes的博客

05-07

1万+