TensorFlow 准备 JupyterLab 交互式笔记本环境，方便我们边写代码、边做笔记。
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。
注：微信公众号不按照时间排序，请关注公众号“亨利笔记”，并加星标以置顶，以免错过更新。
我们可以直接调用官方的tensorflow的bert模型来使用bert，接下来，我们使用output_layer = model.get_sequence_output()来获得最后一层的特征，然后接下来在添加bilstm层，
本篇概览 本篇记录了自己在Ubuntu 16.04.7 LTS系统上搭建TensorFlow2开发环境的过程，用于将来重装时的参考 硬件是2018年购买的惠普暗隐精灵3代，显卡GTX1060，已经安装了Ubuntu16 LTS桌面版 执行本篇操作前需要安装Nvidia的驱动，详情请参考《Ubuntu16安装Nvidia驱动(GTX1060显卡)》 查看驱动信息，如下图，可见CUDA版本是10.1 版本匹配 去tensorflow官网查看版本匹配关系，地址：https://tensorflow.googl
ImportError: cannot import name ‘build_info’
Kubernetes 支持对节点上的 AMD 和 NVIDIA GPU （图形处理单元）进行管理，目前处于实验状态。
原文：What every programmer should know about memory, Part 4: NUMA support
上一篇的初体验之后，本篇我们继续探索，将transformers模型导出到onnx。这里主要参考huggingface的官方文档：https://huggingface.co/docs/transformers/v4.20.1/en/serialization#exporting-a-model-to-onnx。
我们基于CNN实现Cifar10 数据集分类把这段相同的代码在不同主流深度学习进行测试，得到训练速度的对比数据。
Linux将所有的设备统一抽象为struct device结构， 同时将所有的驱动统一抽象为struct device_driver结构。这样设计之后就方便驱动开发工程师编写驱动，只需要将具体的设备包含struct device结构，具体的驱动包含struct device_driver结构。最终会调用device_register和driver_register将驱动和设备注册到系统，表现出来就是在sys目录的device和driver目录下。本小节先分析device结构，以及相关API，以及如何注册到系统中，以及提供给上层的sys接口。
在两台型号相同的机器上(snap1 和snap3)测试磁盘的读取速度，发现两台机器的读取速度差的很大:
本文适合有基本Linux内存管理概念的新手阅读，且本文旨在从工作流程和设计思想上介绍KSM，在涉及到源代码的地方，进行了部分删减，如果想详细了解KSM，推荐阅读源代码及源代码中的注释。
伟林，中年码农，从事过电信、手机、安全、芯片等行业，目前依旧从事Linux方向开发工作，个人爱好Linux相关知识分享，个人微博CSDN pwl999，欢迎大家关注！ 1.1 worker_pool 1.1.1 normal worker_pool 1.1.2 unbound worker_pool 1.2 worker 1.2.1 worker处理work 1.2.2 worker_pool动态管理worker 1.2.3 cpu hotplug处理 1.3 workqueue 1.3.1 系统workq
CPU 管理器是 kubelet 的一部分；kubelet 是 Kubernetes 的节点代理，能够让用户给容器分配独占 CPU。CPU 管理器自从 Kubernetes v1.10 进阶至 Beta[1]， 已证明了它本身的可靠性，能够充分胜任将独占 CPU 分配给容器，因此采用率稳步增长， 使其成为性能关键型和低延迟场景的基本组件。随着时间的推移，大多数变更均与错误修复或内部重构有关， 以下列出了几个值得关注、用户可见的变更：
在之前创建的object的时候，使用的是kobject_create_and_add函数。而此函数中创建的object使用的是默认的ktype(dynamic_kobj_ktype), 如果想指定ktype的话就需要使用kobject_init_and_add函数来创建object。那ktype是具体的作用是什么？ ktype其实就是kobject的属性的操作集合，因为某些模块的操作集合相同，所以就将ktype单独抽象出来，这样就实现了代码复用。
lscpu 从伪文件系统（sysfs）、/proc/cpuinfo 和任何可用的特定体系架构库（如 Powerpc 上的 librtas）收集 CPU 架构信息。命令输出可读，也可用于分析。输出内容包括：CPU、线程、内核的数量，以及非统一存储器存取（NUMA）节点。此外还包括关于 CPU 高速缓存和高速缓存共享的信息，家族、模型、bogoMIPS、字节顺序和步进（stepping）。
大家好，又见面了，我是你们的朋友全栈君 iscsi Initiator 登录target时报错iscsiadm: Login I/O error, failed to receive a PDU
方法 1 - 检查 CPU 信息使用 `lscpu` 方法 2 - 在 Linux 中使用`/proc/cpuinfo`文件查找 CPU 信息 方法 3 - 查看处理器信息使用 `lshw` 方法 4 - 使用获取处理器详细信息 `dmidecode` 方法 5 - 查看 CPU 信息使用 `inxi` 方法 6 - 使用打印 CPU 信息 `hardinfo` 方法 7 - 使用 `hwinfo` 方法 8 - 使用 `cpuid` 方法 9 - 使用 `nproc` 方法 10 - 使用 `hwloc`
slab分配器设计的需求 在Linux内核的内存子系统中，伙伴系统无疑处于内存管理的核心地带，但是如果将内存管理从逻辑上分层，它的位置则处于最底层。Buddy是所有物理内存的管家，不论使用何种接口申请内存都要经由伙伴系统进行分配。但是，伙伴系统管理的物理内存是以页为单位，以4K页为例，它也包含了4096个字节。但是无论是内核自己还是用户程序，在日常的使用中都很少会需要使用四千多字节大小的内存。试想如果我们仅需要为10个字符的字符串分配内存，但是伙伴系统却给了我们一页，那这一页剩余没有使用的内存就浪费了，而且
下面bmp18x sensor为例进行分析。 BMP18x Sensor： 我们以打开bmp180为例，代码为hardware\qcom\sensors\Bmp180.cpp： 1 PressureSensor::PressureSensor(char *name) 2 : SensorBase(NULL, "bmp18x"), 3 mInputReader(4), 4 mHasPendingEvent(false), 5 mEnabledTime(0)
lscpu命令从sysfs、/proc/cpuinfo、或者某些适用于特定架构的库中收集数据。命令的输出会以人类易读的方式展示如下信息：cpu、线程、核心、插槽和Non-Uniform MemoryAccess (NUMA)节点的数量，也有cpu共享缓存，cpu的族号，运行模式，处理指令的速度，大小端，步进等信息
在上篇文章 《细节拉满，80 张图带你一步一步推演 slab 内存池的设计与实现 》中，笔者从 slab cache 的总体架构演进角度以及 slab cache 的运行原理角度为大家勾勒出了 slab cache 的总体架构视图，基于这个视图详细阐述了 slab cache 的内存分配以及释放原理。
目前我看官网主要推荐docker 方式了，那我们就用docker 方式试试。而且网上的安装教程也是docker 的居多【官方给出了一个教程】，我们也要与时俱进。
参考文档 https://blog.csdn.net/nwpushuai/article/details/79935740 https://blog.csdn.net/qq_43030766/article/details/91513501 https://blog.csdn.net/zhqh100/article/details/77646497 https://www.cnblogs.com/zixuan-L/p/11023051.html https://blog.csdn.net/huangfei
页迁移技术是内核中内存管理的一种比较重要的技术，最早该技术诞生于NUMA系统中（Page migration [LWN.net]），后续由于内存规整以及CMA和COW技术的出现，也需要用到页迁移技术，逐渐称为内核内存子系统中占有比较重要地位。
Kubernetes要求集群中的每个容器都具有唯一的可路由的IP。 Kubernetes本身不分配IP，将任务交给第三方解决方案。 在这项研究中，我们的目标是找到具有最低延迟，最高吞吐量和最低安装成本的解决方案。 由于我们的负载对延迟敏感，因此我们的目的是在相对高的网络利用率下测量高百分比的延迟。 我们特别关注性能低于最大负载的30-50％，因为我们认为这最好代表了非超载系统的最常见用例。 竞争对手 Docker与--net =主机 这是我们的参考设置。 所有其他的竞争对手都与这种设置进行比 -net =
描述： 此命令用来显示cpu的相关信息 lscpu从sysfs和/proc/cpuinfo收集cpu体系结构信息，命令的输出比较易读 命令输出的信息包含cpu数量，线程，核数，套接字和Nom-Uniform Memeor Access(NUMA)，缓存等 不是所有的列都支持所有的架构，如果指定了不支持的列，那么lscpu将打印列，但不显示数据 语法： lscpu [-a|-b|-c] [-x] [-s directory] [-e [=list]|-p [=list]] lscpu -h|-V
进程的调度数据可通过proc文件系统查看，/prod/${pid}/sched中的参数，对性能优化来说很有参考意义，比如1号进程的数据如下：
在上篇文章 《深入理解 slab cache 内存分配全链路实现》 中，笔者详细地为大家介绍了 slab cache 进行内存分配的整个链路实现，本文我们就来到了 slab cache 最后的一部分内容了，当申请的内存使用完毕之后，下面就该释放内存了。
《Kubelet从入门到放弃系列》将对Kubelet组件由Linux基础知识到源码进行深入梳理。在这篇文章中zouyee会介绍CPU的相关概念以及Kubelet组件CPU Manager的源码。关于《Kubernetes调度框架系列》剩余的配置及源码部分，将陆续放出。
在 Linux 操作系统 中 , 进程 作为 调度的实体 , 需要将其抽象为 " 进程控制块 " , 英文全称 " Progress Control Block " , 简称 PCB ;
Write a Custom udev Rule for iSCSI Storage
主要是 一个 正数 一个负数的情况。 保证测试用例 输入字符串是正常的正负整数。 正负数的字符串长度 不超过 10^9.
FIO 工具使用：https://www.cnblogs.com/xuyaowen/p/fio-usage.html
Linux服务器配置文档找不到，你还在为查询Linux服务器硬件信息发愁吗？学会这些命令，让你轻松查看Linux服务器的CPU，内存，硬盘，SN序列号等信息，根本就不用去机房。
Prometheus最初由SoundCloud开发，旨在监控其基础设施和应用程序。随着时间的推移，它变得越来越流行，成为云原生时代的监控系统。Prometheus是一款分布式系统，它使用pull模型从应用程序和系统中收集指标，并使用PromQL（Prometheus Query Language）进行查询和分析。Prometheus还提供了丰富的可视化和报警功能，可以帮助我们更好地理解应用程序和系统的状态。
内核引导参数大体上可以分为两类：一类与设备无关、另一类与设备有关。与设备有关的引导参数多如牛毛，需要你自己阅读内核中的相应驱动程序源码以获取其能够接受的引导参数。比如，如果你想知道可以向 AHA1542 SCSI 驱动程序传递哪些引导参数，那么就查看 drivers/scsi/aha1542.c 文件，一般在前面 100 行注释里就可以找到所接受的引导参数说明。大多数参数是通过"__setup(... , ...)"函数设置的，少部分是通过"early_param(... , ...)"函数设置的，逗号前的部分就是引导参数的名称，后面的部分就是处理这些参数的函数名。
我们知道tensorflow的官方bert模型里面包含了很多内容，在进行微调时有许多部分都是我们用不到的，我们需要截取一些用到的部分，使得我们能够更容易进行扩展，接下来本文将进行一一讲解。
//test.h #ifndef _TEST_H #define _TEST_H #include <stdlib.h> #define MAXSIZE 50 struct DoubleList
上一篇博客 【Linux 内核 内存管理】分区伙伴分配器 ⑤ ( 区域水线 | 区域水线数据结构 zone_watermarks 枚举 | 内存区域 zone 中的区域水线 watermark 成员 ) 中讲解了 区域水线概念 , 本篇博客中开始分析 根据水线 进行 水位控制 的机制 ;
0、使用SSD。资金不足的话，使用RAID设备 【建议使用RAID10，因为RAID5的性能并不太高】
Linux阅码场内核月报栏目，是汇总当月Linux内核社区最重要的一线开发动态，方便读者们更容易跟踪Linux内核的最前沿发展动向。
前面分析了memblock算法、内核页表的建立、内存管理框架的构建，这些都是x86处理的setup_arch()函数里面初始化的，因地制宜，具有明显处理器的特征。而start_kernel()接下来的初始化则是linux通用的内存管理算法框架了。
如果只想知道系统的名称,可以使用uname命令,而无需打印系统的相关的信息.或者使用uname -s命令将打印系统的内核名称.
This question can be answered from a couple of perspectives: the hardware view and the Linux software view.
对于用户空间的应用程序，我们通常根本不关心page的物理存放位置，因为我们用的是虚拟地址。所以，只要虚拟地址不变，哪怕这个页在物理上从DDR的这里飞到DDR的那里，用户都基本不感知。那么，为什么要写一篇论述页迁移的文章呢？
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
