gpu

ubuntu 系統使用過程中黑屏問題分析工欲善其事，必先利其器。作为程序员，想要得到更好的发展，遇到问题直接baidu, google 虽然可以得到一些参考或者答案，但是也会降低自己的思考能力，本文以ubuntu 使用过程中黑屏这一问题为背景，旨在提供一个从零开始完全不借助搜索引擎的问题分析方法。

NVIDIA Kernel级性能分析工具Nsight Compute入门详解仍以之前的vectorAdd程序为分析目标，在新建的工程中只指定编译好的可执行文件及其输出report文件，其他部分都保持默认，然后直接点击“Launch”进行分析。

阿里云和华为云Rocky LINUX 9.X镜像就绪及低端可用英伟达GPU阿里云和华为云Rocky LINUX 9.X镜像已经就绪低端可用英伟达GPU

杰克逊的日记

gpu与cpu各厂商的优劣国内CPU厂商GPU厂商

NVIDIA系统级性能分析工具Nsight Systems入门详解Nsight Systems（简称nsys）是NVIDIA推出的一款系统级性能分析工具，主要用于优化 GPU 加速应用程序（尤其是基于 CUDA、OpenCL、DirectX、Vulkan 等 API 开发的程序）的性能，帮助开发者定位和解决计算、内存、通信等环节的瓶颈。所谓系统层面的分析工具，除了分析GPU的使用，还要分析CPU的使用，以及CPU和GPU的交互情况，可以捕捉CPU和GPU的各种事件，发现CPU和GPU上的等待以及不必要的同步，可以通过Nsight systems将任务均匀的分配到CPU和

CUDA编程初探1993年：NVIDIA 成立，初期专注于图形芯片设计。 1997年：发布 RIVA 128，首款支持 DirectX 5 和 OpenGL 1.1 的显卡，采用 128-bit 架构，奠定早期 3D 加速基础。 1999年：推出 GeForce 256，首次提出“GPU”概念，集成硬件变换与光照（T&L）引擎，不再依赖 CPU 处理图形数据，性能较前代提升 10 倍。

数据智能老司机

GPU 编程实战——使用 PyCUDA 与 CuPy 功能到目前为止，我们都是在 Python 脚本里以静态字符串的形式定义 CUDA C kernel，手动编写、一次性编译然后按需调用。这对于固定不变的 kernel 足够，但随着项目规模增大，我们往往需要更多灵活性：根据运行时参数生成代码、调优编译选项，或在同一框架里支持多种算法变体。

都都学算法

【CUDA编程】hello world 级入门（一）最近参考 CUDA 入门教程，想记录自己学习和思考的过程。根据这份参考教程，整体分为将以下两个部分：在这篇博客中围绕第一部分进行展开讨论。

杰克逊的日记

GPU运维常见问题处理硬件故障是 GPU 运维中最直接的问题，通常表现为设备无法识别或运行异常，需优先排查物理层面问题。症状：

基于Docker的GPU版本飞桨PaddleOCR部署深度指南（国内镜像）2025年7月底测试好用：从理论到实践的完整技术方案还是网上没找到这个基于Docker的GPU版本飞桨PaddleOCR部署教程，于是就有了这一篇。这个的确坑很多，可能后面变一个版本就不好用了，也是为什么这篇博客不完全粘贴代码的原因。端口是示例，可以随意改。

雪碧聊技术

CPU（中央处理器）和GPU（图形处理器）的区别🌟 欢迎来到AI奇妙世界！ 🌟亲爱的开发者朋友们，大家好！👋我是人工智能领域的探索者与分享者，很高兴在CSDN与你们相遇！🎉 在这里，我将持续输出AI前沿技术、实战案例、算法解析等内容，希望能和大家一起学习、交流、成长！💡

GpuGeek 实操指南：So-VITS-SVC与Stable Diffusion详解和音画同步生成实战在人工智能飞速发展的当下，AI 创作工具不断推陈出新，为我们的创意表达开辟了全新路径。So-VITS-SVC 语音合成模型能够赋予文字灵动的声音，Stable Diffusion 文生图模型则可将文字描述转化为精美的图像，二者结合，能构建出极具创意的多媒体内容创作体系。本文将借助 GpuGeek 平台，详细讲解这两个模型的搭建过程，以及如何将它们与即梦 AI 深度融合，实现更强大的创作功能。

杰克逊的日记

大数据集群运维常见的一些问题以及处理方式自动化工具：日志管理：容量规划：灾备策略：

也玩音频克隆IndexTTS以下两篇文章已经较好的介绍IndexTTS项目，本文基于这两篇文件对该项目安装实现的一些细节再做更详细的说明，也算对自己的折腾做下总结。

【水动力学】04 二维洪水淹没模型Pypims安装HiPIMS（High-Performance Integrated hydrodynamic Modelling System）使用最先进的数值方案（Godunov型有限体积法）来求解二维浅水方程以进行洪水模拟。为了支持高分辨率洪水模拟，使用CUDA/C ++语言在多个GPU上实现了HiPIMS，以实现高性能计算。由于HiPIMS具有模块化和灵活的结构，因此只要问题可以在均匀的矩形网格上解决，就可以进一步开发用于水文科学的其他应用。

cuDNN 的 IMPLICIT_GEMM 算法IMPLICIT_GEMM 是 NVIDIA cuDNN 库中用于卷积运算的一种算法选择。它是卷积计算的一种优化实现方式，特别适用于某些特定场景。

如何在 Android Framework层面控制高通（Qualcomm）芯片的 CPU 和 GPU。如何在 Android Framework层面控制高通（Qualcomm）芯片的 CPU 和 GPU。参考：https://blog.csdn.net/YoungHong1992/article/details/117047839?utm_source%20=%20uc_fansmsg

探索云原生

开源 vGPU 方案 HAMi 原理分析 Part1：hami-device-plugin-nvidia 实现本文为开源的 vGPU 方案 HAMi 实现原理分析第一篇，主要分析 hami-device-plugin-nvidia 实现原理。