gpu

如何评价趋动科技推出永久免费的OrionX社区版？一句话总结：OrionX社区版是一款专为中小企业、开发者及科研团队打造的GPU池化工具，以“零成本接入，企业级体验”为核心优势，打破算力资源管理壁垒，让轻量化团队也能高效掌控GPU算力。

云平台一键部署【Tencent-YouTu-Research/Youtu-LLM-2B】具备原生智能体能力Youtu-LLM 是一款全新、小巧但功能强大的大语言模型（LLM），仅包含 19.6 亿参数，支持 128k 长上下文，并具备原生的智能体（agentic）能力。在通用评估中，Youtu-LLM 在常识推理、STEM、编程和长上下文处理等方面显著优于同规模的当前最先进（SOTA）LLM；在智能体相关测试中，Youtu-LLM 甚至超越了更大规模的领先模型，真正能够完成多种端到端的智能体任务。

hahahahanhanhan

Tensorflow使用GPU（cuda和cudnn和tensorflow下载）提供一个比较简单的方法安装：不需要去那些网站下载cuda和cudnn，当然如果要升级系统cuda版本，还是需要重新安装的，升级可以看之前的文章

虚拟GPU MIG原理与实践详解本文作者：kaiyuan虚拟GPU MIG原理与实践详解MIG（Multi-Instance GPU）作为Ampere架构开始支持的特性，解决了GPU在集群服务应用时一类需求：GPU切分与虚拟化。本文主要是介绍MIG相关的概念与使用方法，通过实际操作带读者了解该特性的基本情况。

智驾芯片算力比较 Horizon J6 VS Nvidia orinSummary Table: Journey 6 (Flagship/P) vs. Orin-XOEM / Tier 1

精粤X99-TI D4 PLUS大板使用多显卡BIOS设置

【CUDA手册002】CUDA 基础执行模型：写出第一个正确的 Kernel在医学图像处理场景中（例如 CT / MRI 切片），输入数据通常以二维矩阵形式存在。将这类数据映射到 GPU 上并行处理时，真正需要解决的问题并不复杂：

【CUDA手册004】一个典型算子的 CUDA 化完整流程在本篇中，我们将以医学图像处理中最基础的“二值化阈值算子（Thresholding）”为例，演示如何将一个 C++ 算子完整地迁移到 CUDA。

抠头专注python环境配置

2026终极诊断指南：解决Windows PyTorch GPU安装失败，从迷茫到确定目录免责声明：这不是一篇传统教程 (熟手请全部跳过)第一部分：5分钟自我诊断系统（90%的问题可在此定位）

使用星图AI算力平台训练PETRV2-BEV模型想象一下，当自动驾驶汽车行驶在路上时，它需要通过摄像头、雷达等传感器感知周围环境。这些传感器数据通常是2D图像，而BEV（Bird’s Eye View，鸟瞰图）模型的神奇之处在于，它能将这些不同视角的数据“翻译”成一个从上往下看的统一视图。

云平台一键部署【Step-1X-3D】3D生成界的FluxStep1X-3D 是由 StepFun 联合 LightIllusions 推出的新一代高精度、高可控性 3D资产生成框架。基于严格的数据清洗与标准化流程，从 500万+ 3D资产中筛选出 200万高质量数据，构建了标准化的几何与纹理属性数据集，为3D生成提供更可靠的训练基础。

Blackwell架构学习最近学习了一下Blackwell相关的架构，本文整理一下，最大的感受是看到GPU越来越NPU。首先约定一下后续的符号，假设TensorCore处理的D = A x B + D，A和B为bf16，D为fp32。

Nvidia英伟达显卡型号发布史与架构演进详解英伟达显卡的发展史，核心主线是 GPU架构的迭代与 GeForce产品线的演进。以下将按时间顺序，为您梳理两大主线的关键节点。

英雄各有见

Chapter 5.1.1: 编写你的第一个GPU kernel——Cuda Basics本文介绍GPU编程的基础，包括一些基本术语以及如何编写一个kernel实现两个矩阵的加法kernel是GPU跑的的一个特殊的函数，GPU有很多同时工作的线程，而kernel就像发给他们的指令。我们通常用__global__ 关键字来标识一个kernel，其返回值只能为空

WebGPU 开发者福音！在 VS Code 中实时预览你的WGSL着色器作品WebGPU 是下一代 Web 图形标准，而 WGSL（WebGPU Shading Language）是其着色器语言。但在开发 WGSL 时，由于WebGPU API的复杂性，哪怕是一个最简单的着色器效果，也需要写大量的js代码才能在浏览器中看到效果，而着色器的热更新也非常麻烦，往往得手动刷新浏览器才能看到修改后的效果，另外调试起来也很不友好，着色器错误往往不会直接报错，而是在控制台显示警告，开发体验不好。

NVIDIA GPU内部结构：高性能矩阵乘法内核剖析在这篇文章中，我们将逐步介绍支撑最先进的 NVIDIA GPU 矩阵乘法 (matmul) 内核的所有核心硬件概念和编程技术。

Unreal Engine MobileFSR插件实现机制分析Engine/Plugins/Runtime/MobileFSR/Source/MobileFSR/Private/MobileFSRViewExtension.cpp

基于 GPU 并行加速的 pRRTC 算法：赋能 Franka 机械臂的高效、稳定运动规划高自由度机械臂（如7 自由度的 Franka Research 3）在执行复杂任务时，运动规划的实时性和一致性是至关重要的。传统的基于采样的运动规划算法（SBMP），如 RRT-Connect，虽然在处理高维空间问题上表现出色，但在复杂受限环境下的计算开销依然巨大。

一文了解AI经典GPU架构---Tesla一文了解AI经典GPU架构—Tesla引言：Tesla架构可以认为是第一代真正开始用于并行运算的GPU架构，其硬件设计与细节奠定了当前并行运算架构的基本形态，尽管主流的显卡架构Hopper(2022年3月发布，H100)的算力已经远超Tesla，但其运作模式、单元细节的设计理念基本保持不变，所以认识Tesla 架构，是了解GPU显卡硬件的基础。本文通过分析Tesla架构的第一代（G80）和第二代（GT200），帮助读者对Tesla硬件有个基本认识。

Android14显示系统 - ARM GPU完全剖析1、Linux GPU物理模型： http://joyxu.github.io/2021/05/09/gpu01/