2021-02-01-CUDA

最新推荐文章于 2022-07-11 17:45:03 发布
原创 最新推荐文章于 2022-07-11 17:45:03 发布 · 125 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#cuda

博客主要围绕 CUDA 位置展开，虽内容简短，但聚焦于信息技术领域中 CUDA 这一关键技术的位置相关信息。

CUDA 位置

在这里插入图片描述

2021-11-14 Covins跑euroc数据集
qq_42614598的博客
11-14 5221
此Covins是2021年出的COVINS – A Framework for Collaborative Visual-Inertial SLAM and Multi-Agent 3D Mapping 想使用从网上没有找到有编译流程教程，在此记录。 首先就是按照readme中步骤进行安装 1.环境、依赖 sudo apt-get update Install dependencies 安装依赖： sudo apt-get install doxygen libsuitesparse-dev libya
[漏洞验证] CVE-2021-1056 PoC 容器非法获取宿主机所有GPU
pockerfaceSad的博客
01-13 722
前言 CVE-2021-1056是我前一段时间提交给NVIDA PSIRT的一个存在于NVIDIA GPU驱动程序中与设备隔离相关的安全漏洞。 前几天NVIDIA已经发布了安全公告和补丁，所以在这里记录一下这个漏洞相关的验证和理解，漏洞利用代码和其他一些信息已经开源在GitHub。 利用这个漏洞，通过在容器中创建特殊的字符设备文件，一个非特权容器中的攻击者能够获取宿主机上所有GPU设备的权限。 我认为这个漏洞在多租户HPC集群，尤其是在深度学习云平台上，会带来显而易见的安全风险。 验证环境 Docker
2021-01-02 Django快速建立网站
学习CUDA
01-02 181
Django快速建立项目(摘抄文档)，记不住，把主要步骤精简写下来 1. 建立project和application >django-admin startproject mysite >python manage.py startapp polls 2. 编辑url polls/urls.py from django.conf.urls import url from . import views urlpatterns = [ url(r'^$', views...
NVIDA CUDA-DirverAPI入门
Alkaid2000的博客
07-11 5325
CUDA是NVIDA公司所开发的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。
2021-08-24
weixin_41962493的博客
08-24 1278
nnUNet代码学习——预处理代码学习 之前在实验室用了一段时间nnUNet代码，当时学习了一段时间，不过半途而废了。现在开始工作，感觉有必要将nnUNet的代码全部重新过一遍。那么就先从nnUNet预处理开始吧。首先先学习如何配置nnUNet。 图像之间的依赖关系：图像大小，spacing nnUnet： 模块化的设计用来增改网络 如何在新数据集上运行nnUNet nnUNet使用混合精度进行训练 注意pytorch>1.6、显卡、以及cudnn版本的协调 使用cpu可进行相关的数据增强 最好使用c
2021-03-10
BLvren_的博客
03-10 614
Bug Records 2021/3/10 Bug RuntimeError: cuda runtime error (38) : no CUDA-capable device is detected at /pytorch/aten/src/THC/THCGeneral.cpp:51 srun: error: node05: task 0: Exited with exit code 1 Solutions link: https://blog.youkuaiyun.com/qq_42815385/articl
2021-09-03 导入opencv cuda tensorrt的CmakeList 和 QT pro文件写法
aqwy1996822的博客
09-03 1564
简介 本文将基于j etson nano 4G win10 ubuntu18 三种环境介绍CMAKE和QT的pro文件怎么写 jetson nano opencv是用apt-get安装的opencv4 cuda内置10.2 tensorrt内置7.1.3 QT pro #------------------------------------------------- # # Project created by QtCreator 2021-09-01T23:32:22 # #--
2021-07-01 Datawhale GNN 组队学习-Task05
akachanmama的博客
07-01 265
超大图上的节点表征学习 超大图训练存在的问题 普通的基于SGD的图神经网络的训练方法，随着图神经网络层数增加，计算成本呈指数增长 保存整个图的信息和每一层每个节点的表征到内存（显存）而消耗巨大内存（显存）空间 论文Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Network提出了一种新的图神经网络的训练方法。 搜索了一下，另外还有一篇Simple and Deep Graph Con
2021-06-16 Datawhale GNN组队学习--Task01
akachanmama的博客
06-16 451
@[Datawhale GNN组队学习——Task02] 推荐系统中的图结构数据 推荐系统中的涉及到的对象（user、item、feature等）大多数显式或隐式连接，构成天然的图并互相影响。基于图的推荐系统（GLRS）考虑到对象间的复杂关系，不仅可以丰富对象表示，还可以借助图推理提升推荐系统的可解释性。 如何考虑不同的图结构的信息，为推荐系统带来了不同的挑战： 树状图（item层次图）：item间具有层次关系。同层不同类的相邻item可能具有互补性（配套使用），同类item可能具有替代性（应避免重复推荐
(base) C:\Users\miracle>conda activate myenv (myenv) C:\Users\miracle>conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 pytorch-cuda=11.8 -c pytorch -c nvidia 3 channel Terms of Service accepted Channels: - pytorch - nvidia - defaults Platform: win-64 Collecting package metadata (repodata.json): done Solving environment: done ==> WARNING: A newer version of conda exists. <== current version: 25.11.0 latest version: 25.11.1 Please update conda by running $ conda update -n base -c defaults conda ## Package Plan ## environment location: C:\Users\miracle\.conda\envs\myenv added / updated specs: - pytorch-cuda=11.8 - pytorch==2.5.0 - torchaudio==2.5.0 - torchvision==0.20.0 The following packages will be downloaded: package | build ---------------------------|----------------- brotlicffi-1.0.9.2 | py39h885b0b7_2 318 KB certifi-2025.10.5 | py39haa95532_0 157 KB cffi-2.0.0 | py39h02ab6af_0 239 KB charset-normalizer-3.4.4 | py39haa95532_0 104 KB cuda-cccl-12.9.27 | 0 16 KB nvidia cuda-cccl_win-64-12.9.27 | 0 1.1 MB nvidia cuda-cudart-11.8.89 | 0 1.4 MB nvidia cuda-cudart-dev-11.8.89 | 0 723 KB nvidia cuda-cupti-11.8.87 | 0 11.5 MB nvidia cuda-libraries-11.8.0 | 0 1 KB nvidia cuda-libraries-dev-11.8.0 | 0 1 KB nvidia cuda-nvrtc-11.8.89 | 0 72.1 MB nvidia cuda-nvrtc-dev-11.8.89 | 0 16.1 MB nvidia cuda-nvtx-11.8.86 | 0 43 KB nvidia cuda-profiler-api-12.9.79 | 0 19 KB nvidia cuda-runtime-11.8.0 | 0 1 KB nvidia cuda-version-12.9 | 3 17 KB nvidia expat-2.7.3 | h885b0b7_4 31 KB filelock-3.17.0 | py39haa95532_0 33 KB giflib-5.2.2 | h7edc060_0 105 KB gmpy2-2.2.1 | py39h827c3e9_0 205 KB idna-3.11 | py39haa95532_0 184 KB intel-openmp-2023.1.0 | h59b6b97_46320 2.7 MB jinja2-3.1.6 | py39haa95532_0 276 KB lcms2-2.16 | hb4a4139_0 566 KB lerc-3.0 | hd77b12b_0 120 KB libcublas-11.11.3.6 | 0 33 KB nvidia libcublas-dev-11.11.3.6 | 0 375.9 MB nvidia libcufft-10.9.0.58 | 0 6 KB nvidia libcufft-dev-10.9.0.58 | 0 144.6 MB nvidia libcurand-10.3.10.19 | 0 46.7 MB nvidia libcurand-dev-10.3.10.19 | 0 242 KB nvidia libcusolver-11.4.1.48 | 0 29 KB nvidia libcusolver-dev-11.4.1.48 | 0 94.1 MB nvidia libcusparse-11.7.5.86 | 0 13 KB nvidia libcusparse-dev-11.7.5.86 | 0 175.7 MB nvidia libdeflate-1.17 | h2bbff1b_1 153 KB libexpat-2.7.3 | h885b0b7_4 119 KB libjpeg-turbo-2.0.0 | h196d8e1_0 618 KB libnpp-11.8.0.86 | 0 294 KB nvidia libnpp-dev-11.8.0.86 | 0 143.2 MB nvidia libnvjpeg-11.9.0.86 | 0 4 KB nvidia libnvjpeg-dev-11.9.0.86 | 0 1.9 MB nvidia libtiff-4.5.1 | hd77b12b_0 1.1 MB libwebp-1.3.2 | hbc33d0d_0 73 KB libwebp-base-1.3.2 | h3d04722_1 303 KB markupsafe-3.0.2 | py39h827c3e9_0 36 KB mkl-2023.1.0 | h6b88ed4_46358 155.9 MB mkl-service-2.4.0 | py39h827c3e9_2 66 KB mkl_fft-1.3.11 | py39h827c3e9_0 167 KB mkl_random-1.2.8 | py39hc64d2fc_0 257 KB mpmath-1.3.0 | py39haa95532_0 828 KB networkx-3.2.1 | py39haa95532_0 2.4 MB numpy-2.0.1 | py39h055cbcc_1 11 KB numpy-base-2.0.1 | py39h65a83cf_1 9.0 MB openjpeg-2.5.2 | hae555c5_0 268 KB pillow-11.1.0 | py39h096bfcc_0 759 KB pycparser-2.23 | py39haa95532_0 210 KB pysocks-1.7.1 | py39haa95532_1 29 KB python-3.9.25 | h716150d_1 16.0 MB pytorch-2.5.0 |py3.9_cuda11.8_cudnn9_0 1.38 GB pytorch pytorch-cuda-11.8 | h24eeafa_6 7 KB pytorch pytorch-mutex-1.0 | cuda 3 KB pytorch pyyaml-6.0.2 | py39h827c3e9_0 173 KB requests-2.32.5 | py39haa95532_0 150 KB sympy-1.14.0 | py39haa95532_0 11.5 MB tbb-2021.8.0 | h59b6b97_0 149 KB torchaudio-2.5.0 | py39_cu118 7.1 MB pytorch torchvision-0.20.0 | py39_cu118 7.7 MB pytorch typing_extensions-4.15.0 | py39haa95532_0 79 KB urllib3-2.5.0 | py39haa95532_0 307 KB win_inet_pton-1.1.0 | py39haa95532_1 9 KB ------------------------------------------------------------ Total: 2.66 GB The following NEW packages will be INSTALLED: blas pkgs/main/win-64::blas-1.0-mkl brotlicffi pkgs/main/win-64::brotlicffi-1.0.9.2-py39h885b0b7_2 bzip2 pkgs/main/win-64::bzip2-1.0.8-h2bbff1b_6 certifi pkgs/main/win-64::certifi-2025.10.5-py39haa95532_0 cffi pkgs/main/win-64::cffi-2.0.0-py39h02ab6af_0 charset-normalizer pkgs/main/win-64::charset-normalizer-3.4.4-py39haa95532_0 cuda-cccl nvidia/win-64::cuda-cccl-12.9.27-0 cuda-cccl_win-64 nvidia/win-64::cuda-cccl_win-64-12.9.27-0 cuda-cudart nvidia/win-64::cuda-cudart-11.8.89-0 cuda-cudart-dev nvidia/win-64::cuda-cudart-dev-11.8.89-0 cuda-cupti nvidia/win-64::cuda-cupti-11.8.87-0 cuda-libraries nvidia/win-64::cuda-libraries-11.8.0-0 cuda-libraries-dev nvidia/win-64::cuda-libraries-dev-11.8.0-0 cuda-nvrtc nvidia/win-64::cuda-nvrtc-11.8.89-0 cuda-nvrtc-dev nvidia/win-64::cuda-nvrtc-dev-11.8.89-0 cuda-nvtx nvidia/win-64::cuda-nvtx-11.8.86-0 cuda-profiler-api nvidia/win-64::cuda-profiler-api-12.9.79-0 cuda-runtime nvidia/win-64::cuda-runtime-11.8.0-0 cuda-version nvidia/noarch::cuda-version-12.9-3 expat pkgs/main/win-64::expat-2.7.3-h885b0b7_4 filelock pkgs/main/win-64::filelock-3.17.0-py39haa95532_0 freetype pkgs/main/win-64::freetype-2.13.3-h0620614_0 giflib pkgs/main/win-64::giflib-5.2.2-h7edc060_0 gmp pkgs/main/win-64::gmp-6.3.0-h537511b_0 gmpy2 pkgs/main/win-64::gmpy2-2.2.1-py39h827c3e9_0 idna pkgs/main/win-64::idna-3.11-py39haa95532_0 intel-openmp pkgs/main/win-64::intel-openmp-2023.1.0-h59b6b97_46320 jinja2 pkgs/main/win-64::jinja2-3.1.6-py39haa95532_0 jpeg pkgs/main/win-64::jpeg-9f-ha349fce_0 lcms2 pkgs/main/win-64::lcms2-2.16-hb4a4139_0 lerc pkgs/main/win-64::lerc-3.0-hd77b12b_0 libcublas nvidia/win-64::libcublas-11.11.3.6-0 libcublas-dev nvidia/win-64::libcublas-dev-11.11.3.6-0 libcufft nvidia/win-64::libcufft-10.9.0.58-0 libcufft-dev nvidia/win-64::libcufft-dev-10.9.0.58-0 libcurand nvidia/win-64::libcurand-10.3.10.19-0 libcurand-dev nvidia/win-64::libcurand-dev-10.3.10.19-0 libcusolver nvidia/win-64::libcusolver-11.4.1.48-0 libcusolver-dev nvidia/win-64::libcusolver-dev-11.4.1.48-0 libcusparse nvidia/win-64::libcusparse-11.7.5.86-0 libcusparse-dev nvidia/win-64::libcusparse-dev-11.7.5.86-0 libdeflate pkgs/main/win-64::libdeflate-1.17-h2bbff1b_1 libexpat pkgs/main/win-64::libexpat-2.7.3-h885b0b7_4 libffi pkgs/main/win-64::libffi-3.4.4-hd77b12b_1 libjpeg-turbo pkgs/main/win-64::libjpeg-turbo-2.0.0-h196d8e1_0 libnpp nvidia/win-64::libnpp-11.8.0.86-0 libnpp-dev nvidia/win-64::libnpp-dev-11.8.0.86-0 libnvjpeg nvidia/win-64::libnvjpeg-11.9.0.86-0 libnvjpeg-dev nvidia/win-64::libnvjpeg-dev-11.9.0.86-0 libpng pkgs/main/win-64::libpng-1.6.50-h46444df_0 libtiff pkgs/main/win-64::libtiff-4.5.1-hd77b12b_0 libuv pkgs/main/win-64::libuv-1.48.0-h827c3e9_0 libwebp pkgs/main/win-64::libwebp-1.3.2-hbc33d0d_0 libwebp-base pkgs/main/win-64::libwebp-base-1.3.2-h3d04722_1 libzlib pkgs/main/win-64::libzlib-1.3.1-h02ab6af_0 lz4-c pkgs/main/win-64::lz4-c-1.9.4-h2bbff1b_1 markupsafe pkgs/main/win-64::markupsafe-3.0.2-py39h827c3e9_0 mkl pkgs/main/win-64::mkl-2023.1.0-h6b88ed4_46358 mkl-service pkgs/main/win-64::mkl-service-2.4.0-py39h827c3e9_2 mkl_fft pkgs/main/win-64::mkl_fft-1.3.11-py39h827c3e9_0 mkl_random pkgs/main/win-64::mkl_random-1.2.8-py39hc64d2fc_0 mpc pkgs/main/win-64::mpc-1.3.1-h827c3e9_0 mpfr pkgs/main/win-64::mpfr-4.2.1-h56c3642_0 mpmath pkgs/main/win-64::mpmath-1.3.0-py39haa95532_0 networkx pkgs/main/win-64::networkx-3.2.1-py39haa95532_0 numpy pkgs/main/win-64::numpy-2.0.1-py39h055cbcc_1 numpy-base pkgs/main/win-64::numpy-base-2.0.1-py39h65a83cf_1 openjpeg pkgs/main/win-64::openjpeg-2.5.2-hae555c5_0 pillow pkgs/main/win-64::pillow-11.1.0-py39h096bfcc_0 pycparser pkgs/main/win-64::pycparser-2.23-py39haa95532_0 pysocks pkgs/main/win-64::pysocks-1.7.1-py39haa95532_1 pytorch pytorch/win-64::pytorch-2.5.0-py3.9_cuda11.8_cudnn9_0 pytorch-cuda pytorch/win-64::pytorch-cuda-11.8-h24eeafa_6 pytorch-mutex pytorch/noarch::pytorch-mutex-1.0-cuda pyyaml pkgs/main/win-64::pyyaml-6.0.2-py39h827c3e9_0 requests pkgs/main/win-64::requests-2.32.5-py39haa95532_0 sympy pkgs/main/win-64::sympy-1.14.0-py39haa95532_0 tbb pkgs/main/win-64::tbb-2021.8.0-h59b6b97_0 tk pkgs/main/win-64::tk-8.6.15-hf199647_0 torchaudio pytorch/win-64::torchaudio-2.5.0-py39_cu118 torchvision pytorch/win-64::torchvision-0.20.0-py39_cu118 typing_extensions pkgs/main/win-64::typing_extensions-4.15.0-py39haa95532_0 urllib3 pkgs/main/win-64::urllib3-2.5.0-py39haa95532_0 win_inet_pton pkgs/main/win-64::win_inet_pton-1.1.0-py39haa95532_1 xz pkgs/main/win-64::xz-5.6.4-h4754444_1 yaml pkgs/main/win-64::yaml-0.2.5-he774522_0 zlib pkgs/main/win-64::zlib-1.3.1-h02ab6af_0 zstd pkgs/main/win-64::zstd-1.5.7-h56299aa_0 The following packages will be UPDATED: openssl 1.1.1w-h2bbff1b_0 --> 3.0.18-h543e019_0 python 3.9.5-h6244533_3 --> 3.9.25-h716150d_1 Proceed ([y]/n)?
01-02
CUDA 11.8要求驱动程序版本至少为450.80.02（推荐>=460）[^4]。 - 用户可以通过在命令行运行`nvidia-smi`来查看驱动版本。如果驱动版本过低，需要更新驱动。 5. **验证安装**： - 安装完成后，在Python中运行以下...
GPU相关:NVIDIA控制面板的CUDA与nvcc -V的CUDA版本不一致
greatwind的博客
01-18 5371
今天在查看CUDA版本时，发现两种方式显示的CUDA版本不一致，如下： 在命令行输入nvcc -V命令查看CUDA版本： C:\cmd>nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2018 NVIDIA Corporation Built on Sat_Aug_25_21:08:04_Central_Daylight_Time_2018 Cuda compilation tools, release 10.0,
网球比赛YOLO视觉分析.zip
01-07
网球比赛YOLO视觉分析.zip
【顶级EI完美复现】电力系统碳排放流的计算方法【IEEE 14节点】（Matlab代码实现）
01-07
【顶级EI完美复现】电力系统碳排放流的计算方法【IEEE 14节点】（Matlab代码实现）内容概要：本文介绍了基于IEEE 14节点电力系统的碳排放流计算方法，并提供了Matlab代码实现，属于顶级EI期刊级别的研究成果复现。该方法通过建立电力系统中各节点的碳排放流动模型，结合潮流计算与电源出力特性，量化不同机组和线路的碳排放责任，进而实现对电力系统低碳运行的评估与优化。文中详细阐述了算法原理、数学模型构建及仿真步骤，适用于电力系统低碳化分析与碳足迹追踪研究。; 适合人群：具备电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事能源系统低碳化研究的专业技术人员，尤其适合致力于高水平论文复现与算法开发的研究者。; 使用场景及目标：①用于电力系统碳排放流的精确建模与可视化分析；②支撑“双碳”背景下电网低碳调度、绿色电力溯源与碳配额分配等应用场景；③为撰写高水平学术论文（如EI/SCI）提供可复现的技术路径与代码基础。; 阅读建议：建议读者结合IEEE 14节点系统标准数据，逐步运行并调试所提供的Matlab代码，深入理解碳流分配逻辑与矩阵运算实现方式，同时可拓展至其他节点系统以验证算法通用性。
Android多线程下载
01-07
源码地址： https://pan.quark.cn/s/dcbecb73e50d M3U8-Downloader-Build Release Download M3U8-Downloader 直接下载 M3U8-Downloader是基于Electron框架开发的一款可以下载、播放HLS视频流的APP，功能特点如下： 流程原理图 -- -- 官网 M3U8-Downloader 官网 QQ交流群：341972319 点我加QQ交流群 获取M3U8视频地址 在chrome浏览器打开视频网页，按下F12,页签点击到Network页面，在Filter框里输入"m3u8",然后按F5刷新页面，如果网页里的视频使用的是HLS源，就可以在这里捕获到视频流地址，然后选中右键 Copy -> Copy Link Address. 提供m3u8源地址，下载并无损转码Mp4文件 自定义头添加-视频教程 下载可执行包 [推荐] 蓝奏下载 Windows 、Linux、MacOS 下载 下载 Releases下载 运行源码 NodeJS开发环境搭建 安装NodeJs最新版，NodeJs Download Clone 代码 在任意文件夹下新建一个文件夹存放代码，并执行以下命令 Yarn 环境安装 Package 依赖安装 运行M3U8-Downloader 打包发布 Enjoy it 赞赏 赞赏链接
基于STM32 F4的永磁同步电机无位置传感器控制策略研究
最新发布
01-07
基于STM32 F4的永磁同步电机无位置传感器控制策略研究内容概要：本文围绕基于STM32 F4的永磁同步电机（PMSM）无位置传感器控制策略展开研究，重点探讨在不依赖物理位置传感器的情况下，如何通过算法实现对电机转子位置和速度的精确估计与控制。文中结合嵌入式开发平台STM32 F4，采用如滑模观测器、扩展卡尔曼滤波或高频注入法等先进观测技术，实现对电机反电动势或磁链的估算，进而完成无传感器矢量控制（FOC）。同时，研究涵盖系统建模、控制算法设计、仿真验证（可能使用Simulink）以及在STM32硬件平台上的代码实现与调试，旨在提高电机控制系统的可靠性、降低成本并增强环境适应性。; 适合人群：具备一定电力电子、自动控制理论基础和嵌入式开发经验的电气工程、自动化及相关专业的研究生、科研人员及从事电机驱动开发的工程师。; 使用场景及目标：①掌握永磁同步电机无位置传感器控制的核心原理与实现方法；②学习如何在STM32平台上进行电机控制算法的移植与优化；③为开发高性能、低成本的电机驱动系统提供技术参考与实践指导。; 阅读建议：建议读者结合文中提到的控制理论、仿真模型与实际代码实现进行系统学习，有条件者应在实验平台上进行验证，重点关注观测器设计、参数整定及系统稳定性分析等关键环节。
QSPI协议解析包(基于PulseView软件使用)
01-07
1. 在PulseView软件中，可用于解析QSPI协议 2. 当前作者只验证过QSPI的4线写指令、单线读指令，其他指令暂未验证。
Supervisely转YOLOv5格式工具.zip
01-07
Supervisely转YOLOv5格式工具.zip
基于YOLO的安全带检测系统.zip
01-07
基于YOLO的安全带检测系统.zip
（71页PPT）麦肯锡战略思考力.pptx
01-07
（71页PPT）麦肯锡战略思考力.pptx
NVIDIA CUDA-Fortran开发工具套件简介
资源摘要信息:"CUDA-Fortran SDK" CUDA-Fortran SDK是由NVIDIA公司推出的软件开发工具包（Software Development Kit），旨在为使用CUDA并行计算平台和编程模型的开发者提供一套丰富的工具和库，使得开发者能够利用...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值