NVDIA
文章平均质量分 78
和英伟达相关的博文
The Straggling Crow
这个作者很懒,什么都没留下…
展开
-
cuda显卡驱动等问题解释
run适用于需要更多控制或在不支持 RPM 的系统上安装的情况。适用于需要简单、集成的系统级管理,以及自动依赖处理的场景。适用于希望直接从 NVIDIA 获取最新版本,并通过网络自动处理安装和更新的情况。原创 2024-01-24 14:23:53 · 903 阅读 · 0 评论 -
CUDA torch reinstall 与杂谈
在一个大厨房(CUDA)里,cuDNN是一本专门用于深度学习烹饪的食谱书,提供了高效的烹饪方法。而TensorRT则是一个智能厨师,根据食谱书中的方法,进行烹饪优化,使得烹饪过程更快速、高效。常见的容器运行时包括Docker运行时(Docker Engine)、Containerd、CRI-O等,它们提供了统一的接口和功能,使得容器的管理和操作变得更加方便和可靠。将CUDA驱动比喻为连接GPU和操作系统的桥梁,它确保了数据和指令的正确传递,使得应用程序能够与GPU进行通信。cuda – 并行计算。原创 2023-05-22 17:52:22 · 692 阅读 · 0 评论 -
nvidia 监控
关于hpa的相关behavior配置,https://kubernetes.io/docs/tasks/run-application/horizontal-pod-autoscale/#configurable-scaling-behavior。原创 2023-02-07 14:34:32 · 1280 阅读 · 0 评论 -
多实例并行运行多个负载MIG A100 + nvidia插件
blog address1、作用:MIG可以把单个GPU划分多个GPU分区,称为实例。最大化GPU利用率2、实践:在 A100 上使用 MIG 并行部署多个 Triton 推理服务器使用 Kubernetes 和 Prometheus 监控堆栈根据推理请求的数量自动调整 Triton 推理服务器的数量。使用 NGINX Plus 负载平衡器在不同的 Triton 推理服务器之间均匀分配推理负载。3、DGX A100 允许在 Kubernetes 吊舱(pod)上运行多达 56 个 Triton原创 2022-05-20 12:37:07 · 1808 阅读 · 0 评论 -
yolov4初探
1、数据增强改进(马赛克,穿个马甲照样认出你)2、标签平滑(原来不是猫就是狗,现在九分猫,七分狗)3、传统IOU如果没交,那么为0,梯度消失。改进引入了C(C可以把groudtruth和预测框包起来)的公式,可以让不重叠的时候,预测框朝真实框前进。因为不同位置GIOU和IOU相同,引入DIoU,就是两个框中心点的距离,C框对角线之间的距离加入到公式中,问题解决。最终用的CIoU,就是这个损失函数中加入了长宽比(真实和预测框的长宽比是否一致)4、soft-nms 不符合的降降分,最后核算的时候合格的还要原创 2020-11-28 21:52:03 · 259 阅读 · 0 评论 -
YOLO V3
1、搭建模型—加载权重—对一张图片识别【特征提取Darknet-53,将倒数三个darknet块结果返回,检测块(YOLO检测块:进一步特征提取+检测层:将最终特征转化为bbox attrs输出在图片上)对特征预测出输出】—输出图像的名称和位置【中心坐标(x,y)、长宽(h,w),目标得分即置信度,具体分类的个数】...原创 2020-02-29 20:39:47 · 177 阅读 · 0 评论 -
图像标注成Json
想让机器认出什么–对应的模型和数据集,它就能认出来。图像标注VIA标注工具地址标注完存储成Json,也有存储成PNG格式的。原创 2019-10-05 20:27:37 · 1311 阅读 · 0 评论 -
计算机视觉面试
https://blog.csdn.net/liuxiao214/article/details/83043197转载 2019-05-10 17:48:59 · 688 阅读 · 1 评论 -
计算机视觉知识体系
https://blog.csdn.net/shaoshuaiche/article/details/82052692转载 2019-05-10 17:48:00 · 387 阅读 · 0 评论 -
finetune——迁移学习
1、迁移学习背景:大量数据—分类模型—预测分类得到标注好的数据浪费大量的金钱,丢弃过期的数据浪费钱,如何合理的利用这些数据呢?利用迁移学习,从旧的迁移到新环境的技法2、定义—训练好的模型参数迁移到新的模型帮助训练,不是从零开始深度学习就是训练(不用从零开始)和预测,多简单3、啥用1)借前人的模型参数2)直接导出特征向量,不用牛逼机器也行3)适用小数据集,因为不能直接用大型网络(超强...转载 2019-04-25 11:54:48 · 152 阅读 · 0 评论 -
仿射变换
1、2、仿射变换–允许拉伸和缩放原来平行的线段还是平行,一条直线的分成的几条线段的比例不变;不能保持原来的长度不变,也不能保持原来的夹角不变;仿射变换可以通过一系列的原子变换的复合来实现,包括:平移(Translation)、缩放(Scale)、翻转(Flip)、旋转(Rotation)和剪切(Shear)。平移变换 Translation平移变换是一种“刚体变换”,rigid-body...转载 2019-03-27 14:19:20 · 477 阅读 · 0 评论