- 博客(12)
- 收藏
- 关注
转载 GPU通用计算与CUDA
目前,主流计算机中的处理器主要是中央处理器CPU和图形处理器GPU。传统上,GPU只负责图形渲染,而大部分的处理都交给了CPU。21世纪人类所面临的重要科技问题,如卫星成像数据的处理、基因工程、全球气候准确预报、核爆炸模拟等,数据规模已经达到TB 甚至PB量级,没有万亿次以上的计算能力是无法解决的。与此同时,我们在日常应用中(如游戏、高清视频播放)面临的图形和数据计算也越来越复杂,对计算速度提出了...
2018-06-30 20:37:55 3461
转载 win10+python3.6安装tensorflow-gpu1.8.0+CUDA9.0+cuDNN7.1
转自https://blog.csdn.net/tangg555/article/details/80136901以下记录为我在电脑上安装的过程(2018.4.28):版本信息:win10python3.6.5tensorflow-gpu1.8.0CUDA9.0cuDNN7.1说明:1.为啥要安装这几个?tensorflow是微软家出的一个用来做深度学习的开源库,这个库有两个版本一种是在CPU上运...
2018-06-30 19:59:44 991
转载 从硬件配置、软件安装到基准测试,1700美元深度学习机器构建指南
在用了十年的 MacBook Airs 和云服务以后,我现在要搭建一个(笔记本)桌面了几年时间里我都在用越来越薄的 MacBooks 来搭载一个瘦客户端(thin client),并已经觉得习以为常了。所以当我涉入深度学习(DL)领域后,我毫不犹豫的选择了当时最新的 Amazon P2 云服务。该云服务不需要预付成本,能同时训练很多个模型,并且还能让一个机器学习模型慢慢地训练自己。但随着时间推移,...
2018-06-29 19:07:41 360
转载 深度 | 从硬件配置到软件安装,一台深度学习机器的配备指南
本文作者 Roelof Pieters 是瑞典皇家理工学院 Institute of Technology & Consultant for Graph-Technologies 研究深度学习的一位在读博士,他同时也运营着自己的面向客户的深度学习产品。对于写作这个系列文章的动机,他写道:「我已经习惯了在云上工作,并且还将继续在云上开发面向产品的系统/算法。但是在更面向研究的任务上,基于云的...
2018-06-29 19:01:15 1952
转载 深度学习的GPU:深度学习中使用GPU的经验和建议
深度学习是一个计算需求强烈的领域,您的GPU的选择将从根本上决定您的深度学习体验。在没有GPU的情况下,这可能看起来像是等待实验结束的几个月,或者运行一天或更长时间的实验,只是看到所选参数已关闭。有了一个好的,坚实的GPU,人们可以快速迭代深度学习网络,并在几天而不是几个月,几小时而不是几天,几分钟而不是几小时的时间内运行实验。因此,在购买GPU时做出正确的选择至关重要。那么你如何选择适合你的GP...
2018-06-29 18:58:22 14364 1
转载 深度学习中 GPU 和显存分析
深度学习最吃机器,耗资源,在本文,我将来科普一下在深度学习中:何为 “资源”不同操作都耗费什么资源如何充分的利用有限的资源如何合理选择显卡并纠正几个误区:显存和 GPU 等价,使用 GPU 主要看显存的使用?Batch Size 越大,程序越快,而且近似成正比?显存占用越多,程序越快?显存占用大小和 batch size 大小成正比?0 预备知识nvidia-smi是 Nvidia 显卡命令行管理...
2018-06-29 18:57:15 629
转载 研究深度学习的硬件配置(折腾GPU)
整个2015年都在买买买。。。买GPU。原因是想赶时髦去玩“深度学习”,但又口袋羞涩。于是整整一年都在各处比较,下单,拆,装,维护。为了省点钱煞费苦心,荒废了很多其他重要事情。所以想把经验教训写下来供各位DIY玩家参考。我们买GPU的目的是用来做科学计算,例如针对深度学习。另外两个GPU主要用途——游戏,挖矿——则不在此文讨论范围。而且此文针对性价比敏感人士,对于土豪人群,推荐直接上大厂整体GPU...
2018-06-29 18:56:08 12720 2
转载 机器学习名词解释(train & valid & test)(accuracy & precision & recall)
train? valid? or test?机器学习最明显的一个特点是需要大量的数据。特别对监督学习来说,就是需要大量的带标签数据(labeled data)。很多入门的朋友很快就会遇见模型训练和测试这两个阶段,进而也就了解到带标签数据是要被划分成两个部分的:训练集(training set)与测试集(test set)。这两个概念也很直观,大部分朋友非常快就能接受。可是到后面,在我们需要为机器学...
2018-06-29 14:40:31 757
原创 训练集、验证集、测试集
在有监督(supervise)的机器学习中,数据集常被分成2~3个,即:训练集(train set),验证集(validation set),测试集(test set)。http://www.cppblog.com/guijie/archive/2008/07/29/57407.html Ripley, B.D(1996)在他的经典专著Pattern Recognition and Neural ...
2018-06-29 14:28:00 1634 1
原创 SRResNet与EDSR
SRResNet SRResNet 网络来源于SRGAN,原论文(https://arxiv.org/abs/1609.04802)提到一种扩展方式,允许修复更高频的细节。SRResNet 的残差块架构基于这篇文章(http://torch.ch/blog/2016/02/04/resnets.html)。存在两个小的更改:一个是 SRResNet 使用 Parametric ReLU 而不是 R...
2018-06-27 21:51:47 25451 4
原创 单帧图像超分辨率与深度学习
单帧图像超分辨率技术涉及到增加小图像的大小,同时尽可能地防止其质量下降。这一技术有着广泛用途,包括卫星和航天图像分析、医疗图像处理、压缩图像/视频增强及其他应用。我们将在本文借助三个深度学习模型解决这个问题,并讨论其局限性和可能的发展方向。1、单帧图像超分辨率问题概述我们的目标是采用一个低分辨率图像,产生一个相应的高分辨率图像的评估。单帧图像超分辨率是一个逆问题:多个高分辨率图像可以从同一个低分辨...
2018-06-27 20:42:41 4095
转载 基于深度学习的超分辨率技术资料
本文转自 “从SRCNN到EDSR,总结深度学习端到端超分辨率方法发展历程”https://blog.csdn.net/abluemouse/article/details/78710553超分辨率技术(Super-Resolution, SR)是指从观测到的低分辨率图像重建出相应的高分辨率图像,在监控设备、卫星图像和医学影像等领域都有重要的应用价值。本文针对端到端的基于深度学习的单张图像超分辨率...
2018-06-27 10:49:04 4094 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人