GPU挑选在不同设备上不一致
是因为不同设备的硬件配置和性能需求不同。在选择GPU时，需要考虑以下几个方面：
- 设备类型：不同设备（例如个人电脑、服务器、移动设备）的GPU需求不同。个人电脑通常需要高性能的GPU来支持图形渲染、游戏和视频编辑等任务，而服务器可能需要更多的计算能力来处理大规模数据和并行计算。移动设备则需要更低功耗和高效能的GPU来满足移动应用的需求。
- GPU架构：不同的GPU架构具有不同的特点和性能。例如，NVIDIA的Turing架构在深度学习任务中具有较高的性能，而AMD的RDNA架构在游戏渲染方面表现出色。根据具体应用需求，选择适合的GPU架构可以提高性能和效率。
- 性能需求：根据具体应用的性能需求，选择适当的GPU。性能指标包括GPU的计算能力、内存带宽、显存容量等。对于需要进行大规模并行计算的任务，选择具有更多CUDA核心或流处理器的GPU可以提高计算性能。而对于图形渲染任务，选择具有更高显存容量和内存带宽的GPU可以提供更好的图像质量和流畅度。
- 兼容性和驱动支持：确保选择的GPU与设备的操作系统和驱动程序兼容，并且有良好的技术支持和更新的驱动程序。这样可以确保GPU在设备上的稳定运行，并获得最新的性能优化和功能支持。
根据以上考虑因素，腾讯云提供了一系列适用于不同设备和应用场景的GPU产品，包括GPU云服务器、GPU容器服务等。您可以根据具体需求选择适合的产品。详情请参考腾讯云GPU产品介绍：https://cloud.tencent.com/product/gpu
相关·内容
3回答
你能告诉我如果2个或更多的主机线程使用cuda运行时，cuda运行时如何选择GPU设备吗？
运行时是否为每个线程选择单独的GPU设备？
是否需要显式设置GPU设备？
谢谢
浏览 0提问于2010-04-17得票数 5
回答已采纳
2回答
我一直在为安卓设备准备一个游戏，这款游戏是我在iOS上使用cocos2d x创建的。我在iPad2上得到了相当不错的fps，大约45。当涉及到Android设备时，fps的变化如下所述：
设备-三星注意到GPU -马里-400 55 FPS - 55-60
设备- Moto defy+ GPU - PowerVR SGX530 FPS - 35-40
设备-三星谷歌Nexus S GPU - PowerVR SGX540 FPS - 50-55
设备- Moto xoom GPU - ULP GeForce FPS - 15-20
设备-三星星系10.1 GPU - ULP
浏览 0提问于2012-02-15得票数 1
1回答
使用包。我试图在两个单独的进程中从CPU -> GPU0和GPU1中移出张量，并更新主版本(on )。
假设我有两个GPU连接。一个在Device0上，另一个在Device1上。
例如，将一个非常大的数组存储在CPU上(无法适应单个设备/gpu)X= 1,2,3,4,5,6。
将数组的部分广播到GPU设备0和GPU设备1.0，1具有不同的数组块。GPU0索引= 0,1 GPU0数据= 1,2 GPU1索引= 2,3 GPU1数据= 2,3
在GPU0和GPU1上独立运行一个进程。为此，一个简单的Add()函数就可以了。
必要时用GPU数据更新CPU
浏览 2提问于2021-01-10得票数 2
是否有一个很好的方法来验证用renderscript编写的算法是CPU还是GPU绑定的？
我知道这个决定是在设备上运行时做出的，但是，我发现Nexus 5和Nexus 10设备上的跟踪信息不一致。Nexus 10 logcat发出信息说算法被移回CPU (如果GPU不能处理内核)，而在Nexus 5上没有这样的跟踪(据我所见)。
一个明显但不太精确的方法是使用基于rs的算法的执行时间来解决上述问题。
然而，最近，当我开始在Nexus 5上测试我的脚本时，我发现在Nexus 10上运行的GPU算法，现在出现在Nexus 5上的CPUS上运行。我想更准确地确认这一点。
人们可以想象出为什么这会成为
浏览 2提问于2014-01-15得票数 4
回答已采纳
假设一个dask集群有一些CPU设备和一些GPU设备。每个设备运行一个单独的dask-worker。现在，问题是我如何发现dask-worker的底层设备是CPU或GPU。
例如：-如果dask-worker在CPU设备上运行，我应该知道它在CPU上运行，或者如果dask-worker在GPU设备上运行，我应该以编程方式知道设备类型。有没有什么方法可以通过编程的方式知道这一点？
浏览 0提问于2018-04-19得票数 0
当我从OpenCL设备读取设备信息时，如何计算其处理能力有多好？
为了添加更多信息，假设我想对图像的像素执行一个非常简单的任务，据我所知(这可能是不正确的!)当我在GPU上运行我的内核时，opencl与GPU中的不同处理单元并行运行，我可以将内核视为并行运行的线程体。
如果这是正确的，那么对于我的简单任务，我需要找到具有更多处理单元的设备，以便我的内核在它们上运行，从而更快地完成。我说错了吗？
如何根据设备的处理能力找到合适的设备？
浏览 0提问于2015-02-17得票数 0
2回答
有人尝试在Android上运行对象检测或crnn模型吗？我试着运行crnn模型(序列化的pytorch)，但在华为P30 lite上需要1秒，在三星J4酷睿上需要5秒。 Huawei P30 lite
CPU : octa core processor
GPU : Mali-G51 MP4
Samsung J4
CPU : quad core
GPU : Adreno 308 android设备中的GPU与专用GPU的不同之处在于，它们没有VRAM和电源管理。CPU和GPU共享相同的RAM。在使用GPU在PC上运行模型之前，我们指定将我的计算放在GPU上，如下所示
浏览 37提问于2020-04-24得票数 3
回答已采纳
1回答
我正在用CPU和GPU (实际上是APU )和OpenCL在异构系统中开发一些东西。因为我将使用原子操作来保证数据的完整性，并且数据在CPU设备和GPU设备之间共享，在每个设备上都有一个运行在共享数据上的内核。我的问题是:原子操作在这两个设备之间仍然有效吗？希望有谁能帮我。非常感谢。
浏览 0提问于2012-09-25得票数 3
回答已采纳
我使用谷歌Colab上的Blender来渲染我的搅拌机文件，直到上周它才能正常工作。我没有改变我的脚本，驱动程序和CUDA版本没有改变，但是现在当我试图获取设备时，我得到了下面的错误。获取设备的任何其他命令也会产生相同的错误。
>>> bpy.context.preferences.addons["cycles"].preferences.refresh_devices()
CUDA cuInit: Unknown CUDA error value
此命令在搅拌器python控制台中执行：
/content# sudo ./blender-3.0.1-linu
浏览 32提问于2022-06-03得票数 0
我们正在构建一个处理大量图像的应用程序。我们对核心映像、GPUImage和UIImage以及它如何解压缩映像都很感兴趣。我们已经熟悉了这样一个事实:在后台线程上进行图像解压缩将有助于消除UI中的口吃或抖动。然而，我们不太熟悉这种减压工作的发生。我们还使用UIImage对图像进行裁剪。接下来的问题是：
背景:我们支持的设备一直回到iPhone 4，但很快就会放弃iPhone 4，转而支持iPhone 4S，因为它是我们最老的设备。
1)图像解压缩是在GPU上完成的吗？核心形象？GPUImage？UIImage？
2)能在GPU上完成图像裁剪吗？核心形象？GPUImage？UIImage？
( 3
浏览 3提问于2014-08-29得票数 2
回答已采纳
光线投射选择在静态网格上工作得很好，但是对于动画网格，光线选择似乎看不到网格的移动，只响应网格的非动画(原始)位置。
这是一个动画模型，它只能拾取第一帧下面的姿势状态，并在检测到模型时创建一个小红点。骨骼矩阵是由CPU计算的，但新的顶点位置是由GPU计算的。因此CPU只能访问第一个姿势。这就是为什么RayCasting不能(正确地)为蒙皮网格工作。
我的想法是在更新动画时更新模型位置，或者使用GPU计算来获得位置，但我不知道怎么做。我期待着你的建议。谢谢。
静态模型
动画模型
浏览 0提问于2018-11-01得票数 1
在中，有人指出，映射的固定主机内存上的原子操作“从主机或其他设备的角度来看不是原子操作”。我从这句话中得到的是，如果主机内存区域仅由一个GPU访问，那么在映射的固定主机内存上(甚至在多个同时内核中)执行原子操作是很好的。
另一方面，尼古拉斯·威尔特在第128页的“”一书中指出：
不要试图在映射的固定主机内存上使用atomics，无论是对主机(锁定的比较-交换)还是对设备(atomicAdd())。在CPU端，对于PCI总线上的外围设备来说，对锁定操作执行互斥的设施是不可见的。相反，在GPU方面，原子操作只在本地设备内存位置上工作，因为它们是使用GPU的本地内存控制器实现的。
在映射的固
浏览 7提问于2014-04-21得票数 3
回答已采纳
我可以在当前正在由运行在GPU设备上的内核写入的缓冲区上调用clEnqueueWriteBuffer()吗？假设我不关心数据的冲突，我知道我在做什么。OpenCL实现允许这样做吗？
浏览 1提问于2012-10-04得票数 0
我正在尝试让TensorFlow的random_poisson函数在我的GPU上运行；考虑到 TensorFlow源代码页有一个函数testCPUGPUMatch来比较在CPU上运行和在GPU上运行时random_poisson的输出，这似乎是可能的。但是，在使用代码进行测试时：
import tensorflow as tf
with tf.Session() as sess:
with tf.device("/gpu:0"):
test = sess.run(tf.random_poisson(1.0, [], dtype=tf.float64))
浏览 1提问于2018-06-14得票数 0
回答已采纳
我的硕士论文有一些挑战，我希望你能帮助我，或者指出我的正确方向。
我正在使用Knaus和Zwicker ()使用OptiX的新方法实现渐进光子映射。该方法使PPM的每一次迭代/帧独立，更适合于多GPU。
我所做的(使用单个GPU)是使用OptiX跟踪一些光子，然后将它们存储在一个缓冲区中。然后，光子被排序成一个空间散列图使用CUDA和推力，永远不会离开GPU。我想在GPU上创建空间哈希映射，因为它是我渲染器的瓶颈。最后，该缓冲器用于间接辐射估计。这是一个多通道算法，包括射线追踪，光子追踪，光子地图生成，最后生成图像。
我知道OptiX可以支持多个GPU。每个上下文启动都被划分在GPU上。对缓冲
浏览 0提问于2013-04-16得票数 1
1回答
我正在编写一个定制的TensorFlow op，它需要能够读取OpKernel计算()实现中张量的当前值，以便决定如何继续。不受支持的特征 ( tensorflow::TTypes类型)提供了函数调用操作符的多个重载，当op在主机上运行时，我可以使用它。实际上，"“教程示例代码使用函数调用操作符重载将值赋值到张量中。
问题是，当op在GPU上运行时，调用函数调用操作符重载会导致分段错误。这是因为函数调用操作符重载了一个m_data成员指针，但是当张量驻留在GPU上时，这是一个设备指针。而且，与不同，我不认为我可以使用HostMemory()，因为张量是临时的，是由GPU代码使用的。
我
浏览 1提问于2017-03-12得票数 2
回答已采纳
2回答
我有点困惑于GPU的内存带宽的概念。
根据的GPU规格，它说峰值带宽是177.6 GB/s。
所以当人们提到带宽时，它是否指
单向通信的速度，如每秒可以从设备中读取的字节数。
两种方式的速度--流量，如每秒可以读取的字节数--和写入设备内存。
无论我在哪里读到这个词，我都没有看到这种澄清。
浏览 4提问于2012-08-23得票数 2
回答已采纳
qemu版本为7.1.0
我使用qemu来模拟xlnx-zcu102。我的qemu命令如下，它可以运行OK：
./qemu-system-aarch64 -M xlnx-zcu102 -smp 4 -m 4G ......
但是，当我添加-device virtio-gpu或-device virtio-gpu-device时，
(我只添加了一个设备:virtio)
qemu告诉我这样的错误：
qemu-system-aarch64: -device virtio-gpu: No 'PCI' bus found for device 'virtio-gpu-pci
浏览 36提问于2022-11-12得票数 0
我有两个GPU，一个6 6GB的GTX Titan和一个11 6GB的GTX 1080Ti。
期望: Tensorflow应该自动使用所有GPU的内存。
事实: Tensorflow将两个设备映射为gpu:0和gpu:1，但它只使用gpu:0而从不使用gpu:1，当我增加内存需求时，它会在没有使用gpu:1的内存的情况下遇到OutOfMemory异常。
我想要做的是使用两个设备的11+6=17 GB内存。我想也许tensorflow只支持相同的GPU类型，如果它们是不同的类型，它只会使用其中的一个？
浏览 2提问于2017-07-22得票数 0
1回答
在设备上测试时，我得到了一些奇怪的闪烁的工件(幻影独奏)，这个问题发生在Unity2018.3.2和Unity2019.1.2上。这在OculusGo、Google、三星s7、s9等其他设备上没有发生。它似乎只出现在使用高通的设备Adreno540 GPU。有没有其他人遇到过这样的事情?如果是这样的话，你有没有修复它，以及如何解决？环境使用的是自定义着色器，机器人角色只是使用统一的标准着色器，在侧(右)有一个全息图，它使用自定义着色器。
硬件:Snap巨龙835 SoC高通Adreno 540 GPU
视频：https://streamable.com/
截图：
坏：
📷
好：
📷
浏览 0提问于2019-05-22得票数 0
我知道，使用TensorFlow，可以手动控制我们声明变量的位置(例如: GPU上的神经网络的一半，另一个GPU上的其余部分)。
尽管我们可以将变量手动放置在多个GPU 上，但是它们是否可以自动地放置在这些GPU上，例如使用自动变量放置？TensorFlow的文档似乎从来没有明确提到自动设备放置是否处理多个GPU情况。
例如，假设我使用带有TensorFlow后端的Keras构建了一个模型。如果模型不适合第一个GPU，因为它太大，TensorFlow会自动使用第二个GPU (以及可能更多的GPU)来声明神经网络的变量吗？
谢谢。
浏览 3提问于2017-07-28得票数 1
回答已采纳
使用sge和称为'gpu.q‘的资源复合体，可以对gpu设备(这些都是nvidia设备)进行资源管理。但是，在系统上有多个gpu设备(处于独占模式)，如果在同一个节点上分配了两个作业，用户就无法在正确的gpu上不透明地创建上下文。
有人遇到这个问题了吗？我想以某种方式管理特定的gpu资源，并映射主机和设备id。
hostA -> gpu0:in_use
hostA -> gpu1:free
hostB -> gpu0:free
hostB -> gpu1:in_use
等等。然后，根据资源请求，通过CUDA_VISIBLE_DEVICES变量显示每个主机上分配的
浏览 0提问于2012-04-05得票数 1
2回答
我正在使用Tensorflow C API来运行在python中保存/冻结的模型。我们过去在CPU上运行这些模型，但最近切换到GPU以提高性能。为了与C交互，我们使用了一个名为CPPFlow ()的包装库。我最近更新了这个库，这样我们就可以传入GPU配置选项，这样我们就可以控制GPU内存分配。然而，我们现在的系统也有多个GPU，这导致了一些问题。看起来我不能让Tensorflow和我们的软件使用相同的GPU。
我使用的visible_device_list参数与我们的软件具有相同的GPU。如果我将软件设置为在设备1上运行，将Tensorflow设置为在设备1上运行，则Tensorflow将选择
浏览 3提问于2020-06-16得票数 2
我试图在嵌入式设备上推断我在c++代码上的tflite模型。
所以，我使用GPU输入简单的tflite推理代码。
我在我的电脑上交叉编译，在运行android的嵌入式设备上运行。
然而，
(1)如果我使用委托gpu选项，c++代码会给出随机结果。
(2)给出了相同的输入，但每次结果都会发生变化。
(3)当我关闭gpu选项时，它给了我一个正确的结果.
当我在python中测试tflite模型时，它给出了正确的输出。
所以我认为模型文件没有问题。
我是否应该重新构建TensorFlow-lite，因为我使用了预构建的.so文件？还是我应该更改GPU选项？
我不知道我该多查些什么。
请帮帮忙！
这是
浏览 15提问于2021-11-09得票数 2
1回答
GPU如何处理多线程?？
例如，在CPU中，每个线程都有独立的寄存器堆副本。但对于GPU这样的大型寄存器文件，这是不可能的。那么GPU是如何处理线程的呢？它们是否适合放在同一个寄存器文件中？如果某些寄存器在多个线程中使用，该怎么办？这是如何工作的呢？
浏览 0提问于2013-06-29得票数 2
回答已采纳
在Windows上，我可以在没有OpenGL或D3D的情况下使用OS进行绘图。我正在编写的代码将调用设备驱动程序，并告诉GPU无论如何要做什么，对吗？
使用OpenGL到底有什么不同？这些库的代码与GPU的交互方式与Windows不同吗？
浏览 0提问于2013-08-05得票数 1
1回答
我是西亚诺图书馆的新手，它是用来深入学习GPU设备的。我注意到，有几个内置操作可以支持gpu计算(我猜它们是专门以支持GPU的方式编写的)：
import theano.tensor as T
T.sum(), T.neq(), T.argmax(),T.grad()
1.如果我使用python的内置函数sum()而不是T.sum()，有什么区别。sum()还能工作，但可能慢一点吗？
假设sum()不适用于gpu计算，那么如果我需要在gpu上工作的任何操作/函数，我需要以这种方式实现它。例如，我要计算sin(x)，其中x是向量或矩阵，并存储在GPU内存中。有什么提示可以在gpu设备上实
浏览 3提问于2015-06-25得票数 0
回答已采纳
我试图在GPU上运行Tensorflow模型的推断，但它使用的是CPU。我可以确认它使用的是CPU，因为推理时间非常长，而且nvidia-smi没有显示process。
为了调试这一点，我在Tensorflow中列出了物理和逻辑设备。我可以看到物理设备列表包含GPU，但是逻辑设备列表不包含GPU。我能做些什么来修复这个问题并在GPU上运行我的模型推断呢？
我正在使用Tensorflow 2.4.4。
tf.config.list_physical_devices()
PhysicalDevice(名称=‘物理_设备:CPU:0，PhysicalDevice_type=’CPU‘)，Physi
浏览 11提问于2022-02-24得票数 0
我有一个带有2个GPU的工作站，并且我正在尝试同时运行多个tensorflow作业，因此我可以同时训练多个模型，等等。
例如，我尝试通过在script1.py中使用的python API将会话分离到不同的资源中：
with tf.device("/gpu:0"):
# do stuff
在script2.py中：
with tf.device("/gpu:1"):
# do stuff
在script3.py中
with tf.device("/cpu:0"):
# do stuff
如果我单独运行每个脚本，我可以看到它正
浏览 2提问于2016-01-14得票数 26
回答已采纳
2回答
在我当前的项目中，我使用GPU进行信号处理和可视化。我已经在使用流来允许异步操作。该信号是在帧中处理的，对于每个帧，流中的处理步骤如下
模件到设备
信号调理
图像处理
形象化
现在，这些步骤都发生在一个GPU上，但是我的机器有一个多GPU卡(GeForce GTX 690)，我想在这两个设备之间分配操作。基本上，我希望在设备A上执行步骤1和步骤2，在设备B上执行步骤3和步骤4，而操作1、2、3和4仍然作为一个异步流执行。所需的结果是如下所示的流布局
Device A Stream a 1 2 1 2 ...
Stream b 1
浏览 3提问于2013-01-10得票数 1
回答已采纳
我希望能够在多个GPU系统上匹配由PCI in识别的系统中的OpenCL设备和GPU。
例如，如果我有一个具有多个GPU的系统，可能来自不同的供应商，我可以通过枚举PCI总线列出设备。这给了我PCI供应商、设备和总线ID。如果我选择其中一个(GPU) PCI设备用于基于某些选择标准的OpenCL计算，如何将其与OpenCL设备匹配？
我可以使用clGetDeviceID()枚举OpenCL中的GPU设备，但是没有明显的方法将OpenCL设备与PCI设备匹配。OpenCL函数clGetDeviceInfo()提供对PCI供应商ID和设备名称的访问，但不提供PCI设备或总线ID。我可以尝试将PCI
浏览 4提问于2011-09-01得票数 16
回答已采纳
我在数据自动化系统中发现了一个关于大容量页面锁定内存的问题。这是源代码和makefile。该代码分配10 to的页面锁定内存，并将部分数据从设备内存复制到此页面锁定内存中，在复制之前将设备内存中的数据设置为1.0。
#include <cuda.h>
#include <assert.h>
#include <cuda_runtime.h>
#include "helper_cuda.h"
__global__
void test_k(double* x, size_t n)
{
int gid = blockIdx.x*bloc
浏览 3提问于2022-05-23得票数 0
我曾经在GPU上训练过Theano模型，现在我想将它设置为在服务器上运行(没有GPU)。
首先，我面临的问题是，由于缺少CudaNdarray类型，我的模型无法摆脱。然后，根据的建议，我将选项config.experimental.unpickle_gpu_on_cpu设置为True。
但是我得到了一个错误：
>>> import cPickle
>>> f = open('results/model.save')
>>> cPickle.load(f)
/home/ubuntu/anaconda/lib/python2.
浏览 2提问于2015-08-18得票数 1
回答已采纳
我有大约500个vec4需要可用，但每个对象只有15个，然后更改为这500个中的15个用于下一个要绘制的对象，依此类推。
起初，我试图将所有内容一次性存储在"uniform vec4 lines500“中，这在一些设备上效果很好，但例如在Galaxy SII上，这会导致即时崩溃，outOfMemory例外。然后我尝试将每个对象所需的15个对象从CPU端复制到GPU，使用：
GLES20.glUniform4f(GLES20.glGetformLocation(programHandle, "lines["+i/4+"]"),
lines[i
浏览 1提问于2013-02-18得票数 0
1回答
我有一个微调的v3在2-GPU机器上.现在，我试图在另一台带有1 GPU的机器上运行经过训练的模型，但我得到了如下错误：
无法将设备分配给节点'tower_1/gradients/tower_1/conv0/BatchNorm/moments/sufficient_statistics/Sub_grad/BroadcastGradientArgs'：不能满足显式设备规范‘/设备:gpu:1’，因为在此过程中没有注册符合该规范的设备；可用设备:/作业:localhost/副本:0/cpu:0，/job:localhost/副本:0/任务:0/gpu:0
看起来这个模型想要
浏览 1提问于2017-02-23得票数 1
回答已采纳
基本上我有两个GPU，我想在每个GPU上执行一些内核。我不希望GPU在同一个内核上工作，每个GPU都在做一些工作(我不知道这是否可能)，以防我甚至不想看到这种行为。
我只想确保这两个设备都在运行。我已经为它们创建了上下文和命令队列。但是我看到只有一个内核被执行，这意味着只有一个设备在被使用。这就是我是如何做到的。。。
cl_device_id *device;
cl_kernel *kernels;
...
// creating context.
context = clCreateContext(0, num_devices, device, NULL, NULL, &erro
浏览 0提问于2012-07-26得票数 2
回答已采纳
我正在开发一款基于Open GL ES 3.0的安卓应用程序，该应用程序必须迎合广泛的设备需求。
由于应用程序中的某些要求，在我的应用程序运行时，我必须在RAM中保留大量的图像数据。由于安卓手机对每个应用程序的内存使用量或heap memory size限制都有限制，所以我决定在我的应用程序运行时，将所需的图像数据作为纹理保留在GPU内存中。
我的纹理尺寸是1024x1024。保存纹理&在需要时再次显示它们，对于它的实现部分所有工作都很好。
但是，很快我就发现GPU内存也有很大的限制(看起来是这样)。我只能在索尼1024x1024x50 XPeria Z5上保存大致数量的纹理。1024
浏览 6提问于2017-03-27得票数 6
回答已采纳
我一直在编写一些基本的OpenCL程序，并在一个设备上运行它们。我一直在对代码的性能进行计时，以了解每个程序的执行情况。
我一直在考虑让我的内核在平台上运行，GPU设备和CPU设备同时运行。cl::context构造函数可以传递设备的std：：向量，以使用多个设备初始化上下文。我有一个只有一个GPU和一个CPU的系统。
要将内核分发到多个设备，是否只需要构造一个包含可用设备向量的上下文？当我使用两个设备构建上下文时，我注意到了性能的显著提高，但这似乎太简单了。
有一个DeviceCommandQueue对象，也许我应该使用它来显式地为每个设备创建一个队列？
浏览 4提问于2021-02-19得票数 2
回答已采纳
我有四个任务(分为两个任务)需要在AMD OpenCl设备和GPU设备上并行执行。据我所知，调用NDRangeKernel OpenCl CPU设备，如果传递NULL事件，将立即返回(非阻塞)。
因此，首先，我用TASK1和NDRangeKernel for job1调用NDRangeKernel作为OpenCl CPU设备，然后主机就可以立即进行控制。
ret = clEnqueueNDRangeKernel(command_queue_amd, icm_kernel_amd, 1, NULL, &glob, &local, 0, NULL, NULL);
然后，TASK2主
浏览 0提问于2014-07-21得票数 1
回答已采纳
在我正在构建的这个墙纸应用程序中，我试图让用户选择他们想要在设备上用作墙纸的任何图像。出于某些原因，我写道：
Intent myIntent = new Intent(Intent.ACTION_PICK);
myIntent.setType("image/*");
startActivityForResult(myIntent, 100);
我直接进入画廊，但当我写道：
Intent myIntent = new Intent(Intent.ACTION_GET_CONTENT, null);
myIntent.setType("image/*");
star
浏览 0提问于2013-07-21得票数 73
回答已采纳
有这样的说法：
不要从GPU读取数据。不要打电话给glReadPixels，因为它很慢。
传统上，我做鼠标挑选通过非投影(逆矩阵和深度缓冲区读取)。我还有别的选择吗？
浏览 2提问于2014-05-20得票数 0
我有一些主机代码，其中包含了SAL函数。SAL函数用于处理大数据。我想调整CUDA设备的相同功能，并分析主机和设备的执行时间。但是既然SAL函数是用于主机/CPU的，那么如何在GPU上允许这些函数，或者可以从GPU一侧调用SAL函数呢？
例如,
cvabsx((COMPLEX *)in, 2, out, 1, size, 0);
上面的SAL函数计算复数的大小。现在我想在GPU方面适应这一点。怎么做？或者还有其他比SAL快得多的库？
浏览 0提问于2015-03-18得票数 0
回答已采纳
我尝试使用SYCL/DPC++编写代码。我的设备上有两个GPU。如何指定我的代码需要在特定的GPU设备上运行？当我尝试使用"gpu-selector“来运行我的代码时，只有一个默认的选项被用来运行。我如何使用其他GPU设备来运行我的代码？ 这是我的代码。 #include <iostream>
#include <CL/sycl.hpp>
using namespace sycl;
using namespace std;
int main() {
queue my_gpu( gpu_selector{} );
cout << "My GP
浏览 224提问于2021-10-06得票数 0
回答已采纳
我想在Windows上用TensorFlow，Keras和Nvidia GeForce图形处理器进行一些计算。我安装了所需的软件，它工作正常(TensorFlow，tensorflow-gpu，Keras，Nvidia driver，CUDAV9.2，CUDA DNN9.0)。我设法进行了一些计算。
现在，突然出了点问题，因为在执行model.fit时，TensorFlow会使Python崩溃。日志消息如下：
2018-06-14 06:43:44.339292: I T:\src\github\tensorflow\tensorflow\core\common_runtime\gpu\gpu
浏览 0提问于2018-06-14得票数 1
1回答
我想知道是否有可能写一个持久的GPU函数。我有我的疑问，但我不确定调度器是如何工作的。
我希望处理未知数量的数据点(大约5000万)。数据以20个左右的块的形式到达。如果我能把这20个点放到GPU的“桶”里，让这个“持久化”的操作抓取并处理进来的它们，那就太好了。完成后，获取结果。
当存储桶为空时，我可以让GPU忙于处理虚拟数据。但我认为部分为空的存储桶上的竞争条件将是一个问题。
我怀疑，当这个持久操作正在运行时，我将无法在GPU上运行任何其他操作。也就是说，让其他非专用的SM工作。
这是一种可行的(费米) GPU方法，还是只是一个糟糕的想法？
浏览 2提问于2013-02-07得票数 0
因此，在TensorFlow关于使用的指南中，有一部分是关于以“多塔方式”使用多个GPU的：
...
for d in ['/device:GPU:2', '/device:GPU:3']:
with tf.device(d): # <---- manual device placement
...
看到这一点，人们可能会倾向于利用这种风格在自定义Estimator中进行多个GPU培训，从而向模型表明它可以有效地跨多个GPU分布。
据我所知，如果没有手动设备放置，TensorFlow没有某种形式的最佳设备映射(如果您安装了GPU版本，并且可以在CPU上
浏览 0提问于2018-11-17得票数 1
在使用TensorFlow时，我编写了以下代码来评估Python多处理的效果：
import tensorflow as tf
from multiprocessing import Process
mydevice = "/gpu:0"
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.01)
mrange = 1000
def myfun():
with tf.device(mydevice):
mm1 = tf.constant([[float(i) for i in rang
浏览 0提问于2016-07-28得票数 0
我想并行地在多个GPU上运行内核。为此，我使用cudaSetDevice()在设备之间切换，然后在相应的设备中启动内核。现在，通常一个流中的所有调用都按顺序执行，如果要并行执行，则必须使用不同的流。在使用不同的设备时也是这样吗?或者在本例中，我可以在两个设备上的默认流上运行内核调用，并且它们仍将并行运行吗？
浏览 5提问于2016-02-14得票数 4
回答已采纳
1回答
我想在CPU机器上验证我把所有张量移到CUDA设备上是否正确。是否有一种方法可以创建一个仍然在CPU上计算但标记为与张量不兼容的模拟设备，我忘记移到这个设备上了？
动机:这将加快我的开发周期，因为我不需要部署代码并在GPU服务器上运行它，结果发现我忘记在某个张量/模型上指定设备。
浏览 2提问于2022-10-23得票数 2
在从CUDA内核调用CUB类之后，有必要调用cudaDeviceSynchronize吗？当从设备中使用例如DeviceReduce::Sum()时，就会有隐式内存副本阻止设备继续前进，但是在使用GPU上调用的以下代码后，会遇到一些不稳定情况：
__device__ void calcMonomerFlux(double* fluxes, double* lengths, double* dt) //temp2 temp1
{
void *d_temp_storage = NULL;
size_t temp_storage_bytes = 0;
arrInitToL
浏览 12提问于2014-08-28得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
