学习CUDA_01关于NVIDIA

概况一览

  • 公司创立于 1993 年。
  • 黄仁勋 (Jen-Hsun Huang) 是联合创始人兼首席执行官。
  • 公司总部位于美国加利福尼亚州圣克拉拉。
  • 1999 年在纳斯达克上市,代码为 NVDA。
  • 1999 年,公司发明了图形处理器 (GPU),目前为止 GPU 出货量已超过 10 亿颗。
  • 2016 财年收入高达 50.1 亿美元。
  • 公司在世界各地拥有 9,200 名员工。
  • 持有的专利资产多达 ~7,000 项。

视觉计算公司

NVIDIA 在视觉计算方面的工作 (计算机图形的艺术与科学) 造就了数以千计的专利发明、突破性的技术、深度行业联系以及一个举世认可的品牌。 二十年以来,我们一直引领着这一强大媒介的发展,把 PC 从一种生产力工具变成了一种用于创作和探索的工具。

我们公司的核心产品是 GPU,GPU 于 1999 年由我们发明,是现代视觉计算的引擎。 我们的 Kepler 架构 GPU 包含 70 亿个晶体管,是史上复杂的处理器之一。 GPU 使计算机图形从一种特性发展成为一个不断扩张的产业,涵盖了视频游戏、电影制作、产品设计、医学诊断以及科学研究等门类。 GPU 现在正在推动全新领域的发展,例如计算机视觉、图像处理、机器学习以及增强现实等等。

推动行业发展的独创性

我们的产品涵盖了整个视觉计算领域,从基础的发明到包含 GPU 的处理器,再到系统零部件和完全集成的系统。我们面向三大纵向市场: 游戏、专业可视化以及高性能计算与数据中心。 针对每个市场,我们都提供一个平台,该平台包含处理器、软件、工具、营销、专业技术以及越来越多的联网服务。 有些一线 OEM 厂商希望打造出图形效果丰富的差异化设备,我们通过向这类厂商销售零部件和许可知识产权,从而能够充分利用自己为这些市场打造的创新技术。

作为视觉计算的全球领军企业,我们吸引了这一领域中的一流人才。 他们的独创性推动了这一行业的发展。 他们是我们公司发展的动力源泉。 因此人们对我们品牌的忠诚度和热爱非比寻常,他们以非常私人的方式来表达这种忠诚和热爱,其中包括艺术画作、纹身甚至有的粉丝为孩子取名 “NVIDIA”。

游戏方面: 游戏之道 (THE WAY IT’S MEANT TO BE PLAYED)

游戏业是我们的传统优势所在。 我们的 GeForce® 平台由处理器、软件以及服务组成,它孕育了全球超级大的游戏细分市场 —— PC 游戏市场,该市场预计在 2014 年将达到 260 亿美元。 使用 GeForce Experience™ 的游戏玩家多达 4000 万名游戏玩家,它是针对下一代 PC 游戏体验的 NVIDIA 应用,可提供优化的游戏设置和驱动程序更新以及游戏捕捉和流式传输技术。 SHIELD 是一款游戏与娱乐便携式设备,是安卓游戏市场蓬勃发展的一剂催化剂。安卓游戏市场是增长超级快的一个细分市场。 NVIDIA GRID™ 是一种突破性的创新技术,可通过云提供按需随选的丰富图形效果,从而可成就 “游戏业的 Netflix”。 我们的 GameWorks 计划让开发者能够在各种平台上运用一些全球视觉特效艺术家的才华以及这些艺术家不断打造的算法库和工具。

探索针对 游戏玩家 与 云游戏 供应商的视觉计算解决方案。

专业可视化的标准

在二十一世纪早期,NVIDIA 发明的可编程处理器使其将触角伸到了专业图形领域。 现在,从机械与工业设计到医学成像再到数字内容制作与电影,Quadro® 已成为专业可视化的行业标准。 自 2009 年以来,每一部获得奥斯卡奖超级佳视觉特效提名的影片都是在 Quadro 上制作出来的。全球 80% 的工作站采用 Quadro 图形处理器,世界上几乎各大设计工具中均整合了 Quadro 的成套工具和算法。 随着专业可视化搬到云端,NVIDIA GRID 技术现已面向不断增长的虚拟化工作站市场,满足人们在图形素材移动访问方面不断增长的需求。

探索针对专业工作站的视觉计算解决方案。

为高性能计算与数据中心加速

世界各地的科学家与研究人员均采用 Tesla® GPU 来解决超级复杂的难题,例如人脑建模和寻找治疗艾滋病的方法。 我们为这些科研人员提供了一个由技术、工具、库组成的强大平台以及计算机架构与算法两方面的专家。 NVIDA GPU 支持全球超级快的超级计算机,其中包括橡树岭国家实验室 (Oak Ridge National Labs) 的 Titan 及超级新 Green500 排名中的前十五大节能超级计算机。 NVIDIA 还把 GPU 功能搬到了数据中心中来,重新定义了通用计算。思科、戴尔、富士通、日立、惠普以及IBM 等厂商的服务器均采用 NVIDIA GRID 技术来虚拟化企业 PC 以供移动劳动力使用,还利用该技术来加速前沿领域中的应用,例如大数据分析以及机器学习。

探索针对高性能计算的视觉计算解决方案。

为各种设备提供处理动力

视觉计算正变得比以往任何时候都更加重要,面对铺天盖地的各种移动设备,消费者越来越期待丰富的图形效果。 从苹果到奥迪,全球领先的 OEM 厂商在 2014 年打造的计算设备将包含超过 20 亿个 GPU 核心。 NVIDIA 打造全球超级好的 GPU 并通过处理器或知识产权许可的方式来拥抱这一机遇。 我们的 Tegra® 片上系统 (SOC) 面向智能设备市场,该市场涵盖了从超级手机与平板电脑到汽车信息娱乐、驾驶员辅助系统以及游戏设备的整个范围。视觉计算在这些市场中非常重要。 我们超级新的处理器 Tegra® K1 将 GeForce 的心脏与 Tesla 的灵魂搬到了移动平台上来。 凭借 192 个完全可编程的核心,Tegra K1 让开发者能够打造出可在任何设备上运行的下一代游戏与应用。而汽车级 Tegra K1 视觉计算模块将帮助自动驾驶汽车从研究领域进入到大众市场,令照片般逼真的数字座舱栩栩如生。

探索针对移动设备 的视觉计算解决方案。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这个错误通常是因为你没有正确设置CUDA_HOME环境变量。在使用GPU加速的深度学习库如PyTorch、TensorFlow等时,需要安装CUDA并设置环境变量。 你可以按照以下步骤设置CUDA_HOME环境变量: 1. 安装CUDA: 首先需要在你的计算机上安装CUDA。你可以从 NVIDIA 官网下载适合你的CUDA版本进行安装。 2. 设置环境变量: 设置环境变量CUDA_HOME。你可以找到CUDA安装目录,将其设为环境变量CUDA_HOME的值。例如,在Linux系统中,你可以使用以下命令设置环境变量: ``` export CUDA_HOME=/usr/local/cuda ``` 在Windows系统中,你可以按照以下步骤设置环境变量: - 右键点击“我的电脑”,选择“属性” - 点击“高级系统设置” - 点击“环境变量” - 在“系统变量”中,点击“新建” - 输入“CUDA_HOME”作为变量名,输入CUDA的安装路径作为变量值 请注意,你还需要将CUDA的路径添加到PATH环境变量中,以便系统能够找到CUDA的可执行文件。例如,在Linux系统中,你可以使用以下命令将CUDA路径添加到PATH中: ``` export PATH=$PATH:$CUDA_HOME/bin ``` 在Windows系统中,你可以在“环境变量”对话框中找到“Path”变量,并在其中添加CUDA路径。 如果你已经设置了CUDA_HOME环境变量,仍然遇到这个错误,可能是因为你的深度学习库没有正确安装或配置。你可以尝试重新安装深度学习库或检查配置是否正确。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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