- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机视觉战队
NVIDIA DIGITS
NVIDIA为了卖出更多的显卡，对深度学习的偏爱真是亮瞎了狗眼。除了CUDNN, 又出了DIGITS，真是希望小学生也能学会深度学习，然后去买他们的卡。 NVIDIA DIGITS是一款web应用工具，在网页上对Caffe进行图形化操作和可视化，用于Caffe初学者来说，帮助非常大。 不过有点遗憾的是，据NVIDIA官方文档称，DIGITS最佳支持系统是Ubuntu 14.04，其它的系统效果如何，就不得而知了。 变成#，不用每句都输sudo) CUDA_REPO_PKG=cuda-repo-ubuntu1404_7.5-18_amd64.deb &&wget http://developer.download.nvidia.com _4.0-2_amd64.deb &&wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1404
1.2K80发布于 2018-04-18 - 来自专栏GPUS开发者
【NVIDIA GTC2022】NVIDIA Jetson 软件: 将 NVIDIA 加速技术带到边缘
为了缩短开发时间并缩短上市时间，NVIDIA 提供了各种高度精确且可用于生产的预训练模型。 您可以优化模型，然后您可以使用训练模型并使用 Nvidia 应用程序框架部署在任何 Nvidia 平台上。 现在，一旦我们有了要部署的模型，让我们看看 Nvidia Triton 推理服务器，这是在 NVIDIA AI 平台上部署模型的最佳方式。 NVIDIA的专家决定要解决客户在部署其模块时将面临的主要挑战。 NVIDIA RIVA 是一个用于构建 gpu 加速会话应用程序的 sdk。
1.5K50编辑于 2022-03-25 - 来自专栏GoCoding
Docker: Nvidia Driver, Nvidia Docker 推荐安装步骤
操作系统：Ubuntu 16.04/18.04 安装 Nvidia Driver 推荐使用 graphics drivers PPA 安装 Nvidia 驱动。 之后，运行 nvidia-smi 输出 Nvidia 驱动信息: $ nvidia-smi Fri Apr 17 07:31:55 2020 +----------------------------- apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo -base nvidia-smi $ docker run --gpus all nvidia/cuda:10.2-base-ubuntu16.04 nvidia-smi Unable to find : https://github.com/NVIDIA/nvidia-docker nvidia/cuda: https://hub.docker.com/r/nvidia/cuda 结语 Go coding
1.7K20发布于 2021-05-06 - 来自专栏ATYUN订阅号
NVIDIA宣布开源NVIDIA TensorRT推理服务器
2018年9月，NVIDIA推出了NVIDIA TensorRT推理服务器，这是一种适用于数据中心推理部署的生产就绪解决方案。 TensorRT推理服务器最大化GPU利用率，支持所有流行的AI框架，今天NVIDIA宣布开源NVIDIA TensorRT推理服务器。 通过动态批处理提高利用率 NVIDIA将继续与社区一起开发TensorRT推理服务器，以增加新的特性和功能。例如，最新版本包括广泛要求的功能，动态批处理。 要了解如何入门，请阅读新的博客文章：devblogs.nvidia.com/speed-up-inference-tensorrt/ 代码：github.com/NVIDIA/tensorrt-inference-server
2K20发布于 2018-12-18 - 来自专栏云深之无迹
NVIDIA Nsight系统
https://developer.nvidia.com/nsight-systems https://developer.nvidia.com/nsight-visual-studio-edition NVIDIA Nsight系统是一种低开销的性能分析工具，旨在为开发人员提供优化软件所需的见解。该工具中可视化了无偏活动数据，以帮助用户调查瓶颈，避免推断出假阳性，并以更高的性能提升可能性进行优化。 它旨在跨多种NVIDIA平台扩展，例如：大型Tesla多GPU x86服务器，Quadro工作站，启用Optimus的笔记本电脑，带有Tegra + dGPU multi-OS的DRIVE设备以及Jetson NVIDIA Nsight Systems甚至可以提供有关PyTorch和TensorFlow等深度学习框架的行为和负载的宝贵见解；允许用户调整其模型和参数以提高整体单GPU或多GPU利用率。 ?
2.1K30发布于 2021-03-12 - 来自专栏GPUS开发者
从NVIDIA发布VPI看NVIDIA的大局观
2月11日，NVIDIA做了一次线上讲座： NVIDIA对VPI（视觉编程接口-Vision Programming Interface)做了一个比较详细的介绍，尤其讲解了为什么要用VPI： NVIDIA 不同加速器实现相同算法在系统级别轻松平衡CV 工作负载统一的API与不同的加速器接口 在Jetson和x86 Linux PC上实现加速 不同加速器之间的Zero-copy内存管理 与OpenCV，NVIDIA ®CUDA®，EGL等实现互操作性 设计用于取代NVIDIA®VisionWorks™ 我们的理解是：从NV本文的介绍来看, VPI从软件方面综合了CPU上的经典算法和GPU上的经典算法的加速实现，. NVIDIA特别强调了VPI的一个重要亮点： 什么是API统一? NVIDIA的大局观 我们其实不能不感慨NV的布局之深, 特别是今天的VPI这里, 大家还记得Xavier是哪年出来的么好吧. 2018年了.但是DLA何时才开放用起来的?
1.4K10发布于 2021-03-12 - 来自专栏新手入门大模型应用开发
安装 NVIDIA driver
recommended，为推荐的版本，使用下面命令安装此推荐版本sudo ubuntu-drivers autoinstall2、执行安装如果你想根据版本号 来安装，执行下面命令：sudo apt install nvidia-driver -510-server3、验证测试安装成功后，执行下面命令：nvidia-smi伊织 2025-01-17（五）
32310编辑于 2025-01-17 - 来自专栏GPUS开发者
从NVIDIA发布VPI看NVIDIA的大局观
2月11日，NVIDIA做了一次线上讲座： NVIDIA对VPI（视觉编程接口-Vision Programming Interface)做了一个比较详细的介绍，尤其讲解了为什么要用VPI： NVIDIA 不同加速器实现相同算法在系统级别轻松平衡CV 工作负载统一的API与不同的加速器接口 在Jetson和x86 Linux PC上实现加速 不同加速器之间的Zero-copy内存管理 与OpenCV，NVIDIA ®CUDA®，EGL等实现互操作性 设计用于取代NVIDIA®VisionWorks™ 我们的理解是：从NV本文的介绍来看, VPI从软件方面综合了CPU上的经典算法, GPU上的经典算法的加速实现，. NVIDIA特别强调了VPI的一个重要亮点： 什么是API统一? NVIDIA的大局观 我们其实不能不感慨NV的布局之深, 特别是今天的VPI这里, 大家还记得Xavier是哪年出来的么? 好吧. 2018年了.但是DLA何时才开放用起来的?
1.8K30发布于 2021-02-22 - 来自专栏深度学习|机器学习|歌声合成|语音合成
NVIDIA-SMI has failed because it couldn“t communicate with the NVIDIA driver .
报错 执行nvidia-smi报错 NVIDIA-SMI has failed because it couldn"t communicate with the NVIDIA driver . Make sure that the atest NVIDIA driver is installed and running. 运行使用gpu的docker容器时 NVIDIA Docker - initialization error: nvml error: driver not loaded 原因分析 大概率是因为重启后内核升级了 输出：nvidia-515.105.01 （记住：515.105.01 这个版本号） 5… 此时只需要执行 $ sudo apt-get install dkms $ sudo dkms install -m nvidia -v 515.105.01（515.105.01表示的是驱动版本号，上面查到的） 此时应该是解决了此问题 $ nvidia-smi 可以看到gpu的列表 防患于未然 1）命令行关闭系统自动更新
73530编辑于 2023-11-07 - 来自专栏计算机视觉理论及其实现
nvidia Compute Capability（GPU）
M4000M5Quadro M3000M5Quadro K2200M5Quadro M2000M5Quadro M1000M5Quadro K620M5Quadro M600M5Quadro M500M5NVIDIA K5200M3Quadro K5100M3Quadro K500M3Quadro K4200M3Quadro K4100M3Quadro K3100M3Quadro K2100M3Quadro K1100M3NVIDIA 645M3GeForce GT 740M3GeForce GT 730M3GeForce GT 640M3GeForce GT 640M LE3GeForce GT 735M3GeForce GT 730M3NVIDIA NVS 3152.1NVIDIA NVS 3102.1NVS 5400M2.1NVS 5200M2.1NVS 4200M2.1GeForce GTX 560 Ti2.1GeForce GTX 550
1.4K50编辑于 2022-09-02 - 来自专栏计算机视觉战队
基础入门：NVIDIA DIGITS
NVIDIA为了卖出更多的显卡，对深度学习的偏爱真是亮瞎了狗眼。除了CUDNN, 又出了DIGITS，真是希望小学生也能学会深度学习，然后去买他们的卡。 NVIDIA DIGITS是一款web应用工具，在网页上对Caffe进行图形化操作和可视化，用于Caffe初学者来说，帮助非常大。 不过有点遗憾的是，据NVIDIA官方文档称，DIGITS最佳支持系统是Ubuntu 14.04，其它的系统效果如何，就不得而知了。 变成#，不用每句都输sudo) CUDA_REPO_PKG=cuda-repo-ubuntu1404_7.5-18_amd64.deb &&wget http://developer.download.nvidia.com _4.0-2_amd64.deb &&wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1404
88710编辑于 2022-01-28 - 来自专栏计算机工具
XGBoost，NVIDIA是什么
NVIDIA 开发了 RAPIDS™，这是一个开源的数据分析和机器学习加速平台，或完全在 GPU 中执行端到端数据科学训练流程。 它依赖于 NVIDIA CUDA® 基元进行低级别计算优化，但通过用户友好型 Python 界面实现 GPU 并行结构和高内存带宽。 NVIDIA是什么 NVIDIA是GPU(图形处理器)的发明者,也是人工智能计算的引领者。我们创建了世界上最大的游戏平台和世界上最快的超级计算机。我们是自动驾驶汽车,智能机器和物联网的大脑。 使用 Spark + XGBoost 的 GPU 加速端到端数据流程 NVIDIA 深知，大规模机器学习可为数据科学家和开发者以及最终用户提供强大的预测能力。 NVIDIA 首次发布的 Spark-XGBoost 支持跨 Apache Spark 节点的 XGBoost 机器学习模型的训练和推理。这有助于使其成为企业级分布式机器学习的先进机制。
35921编辑于 2024-12-14 - 来自专栏cuijianzhe
Zabbix For Nvidia Gpu Discovery
自动发现规则 创建模板 老生常谈，创建模版，模板名为“NVidia Gpu Sensors Discovery” ， 然后创建应用集，自动发现规则； 名称：自定义，我们设置 discover gpu /bin/bash GPUS=(`nvidia-smi -L | awk -F ' |:' '{print $2}'`) LENGTH=${#GPUS[*]} printf "{\n" printf -i $1 --query-gpu=name --format=csv,noheader,nounits UserParameter=gpu.temp[*],nvidia-smi --query-gpu =csv,noheader,nounits -i $1 UserParameter=gpu.power[*],nvidia-smi --query-gpu=power.draw --format=csv | awk 'NR==4{print $$4}' UserParameter=gpu.Remapping[*],nvidia-smi -q -i $1 | grep Remapping | awk {
1.1K30编辑于 2023-10-18 - 来自专栏Windows技术交流
获取NVIDIA驱动版本
https://cloud.tencent.com/document/product/560/103609#ba755a95-aafa-46ea-b344-61a5e8889e2a nvidia-smi.exe nvidia-smi --query-gpu=driver_version --format=csv 由于不清楚nvidia-smi位置，一般有2处 C:\Program Files\NVIDIA Corporation \NVSMI\nvidia-smi.exe C:\Windows\System32\nvidia-smi.exe 所以powershell命令如下（如果路径不存在会报错）： & "C:\Windows\ System32\nvidia-smi.exe" --query-gpu=driver_version --format=csv & "C:\Program Files\NVIDIA Corporation C:\Program Files\NVIDIA Corporation\NVSMI\nvidia-smi.exe" --query-gpu=driver_version --format=csv } catch
95010编辑于 2024-03-08 - 来自专栏NLP/KG
NVIDIA驱动失效简单解决方案：NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver.
NVIDIA驱动失效简单解决方案：NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver. 如果此方法仍然无法解决问题，可参考 Ubuntu 下安装 nvidia 显卡驱动，重装驱动。 第一步，打开终端，先用 nvidia-smi 查看一下，发现如下报错： NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVIDIA Corporation Built on Sun_Aug_15_ 比如我的驱动版本是：nvidia-47.074 第四步，依次输入以下命令 sudo apt-get install dkms sudo dkms install -m nvidia -v 470.74
10.3K50编辑于 2023-10-11 - 来自专栏网站教程
Ubuntu 卸载nvidia驱动
1.切换为集成显卡 image.png 如果没有，那么先切换到字符界面 2.卸载驱动 sudo apt-get --purge remove nvidia* sudo apt autoremove To remove CUDA Toolkit: $ sudo apt-get --purge remove "*cublas*" "cuda*" To remove NVIDIA Drivers: $ sudo apt-get --purge remove "*nvidia*" 3.然后重装驱动
17K30发布于 2021-07-28 - 来自专栏Windows技术交流
关于nvidia Grid license
个人电脑（消费卡，比如GEFORCE RTX）似乎从来没有这个困扰，GPU云服务器上搞个3D渲染就有这个困扰，这是nvidia的收费策略。 什么是消费卡，假如你笔记本带的是nvidia显卡，这种显卡就是消费卡，受众是PC系统+个人消费者，Win10系统笔记本，nvidia显卡驱动我自己就没管过，貌似安装了Win10系统就会自动更新显卡驱动， 关于GPU服务器使用grid驱动和license的问题，如果去nvidia官网申请，流程我体验了一遍，先是填写申请信息，提交时，会告诉你将在未来2个工作日内收到一封邮件 图片 https://enterpriseproductregistration.nvidia.com server，根据所能支持到的客户端数量即VDI Seats不同而收费有所不同） 假如你已经以企业名义跟nvidia达成了合同，购买到了license ，登录nvidia官网专用渠道可以下载grid 驱动安装文件（公网很少有泄漏grid驱动下载地址，但努力找找还是能找到的） 购买到了license ，nvidia应该会给到你部署license server的文档，参考搭建Windows环境的License
5.9K40编辑于 2022-11-04 - 来自专栏技术向
安装nvidia-docker
与nvidia-docker的过程。 增加nvidia-docker存储库 curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \ sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/ubuntu16.04/amd64/nvidia-docker.list | \ sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update 安装nvidia-docker sudo apt-get install nvidia-docker2 重启docker sudo service docker restart 测试nvidia-docker 确认是否已经安装nvidia-docker nvidia-docker
3.9K10发布于 2019-11-20 - 来自专栏软件研发
nvidia-smi入门
nvidia-smi入门介绍nvidia-smi是一个用于管理和监控NVIDIA GPU（图形处理器）的命令行实用程序。 本篇文章将介绍如何使用nvidia-smi以及常见的用法和参数选项。安装nvidia-smi通常与NVIDIA显卡驱动一起安装。 plaintextCopy codenvidia-smi如果nvidia-smi不可用，则需要确保已正确安装NVIDIA显卡驱动。您可以访问NVIDIA官方网站下载和安装最新的显卡驱动程序。 nvidia-smi的缺点依赖于NVIDIA驱动程序：nvidia-smi是NVIDIA提供的命令行工具，它依赖于NVIDIA显卡驱动程序的安装和正常运行。 如果驱动程序没有正确安装或出现故障，nvidia-smi可能无法正常工作。仅适用于NVIDIA显卡：nvidia-smi只能用于监控和管理NVIDIA显卡，不适用于其他品牌的显卡。
2.4K20编辑于 2023-11-01 - 来自专栏GPUS开发者
NVIDIA开源CUDA PointPillars
NVIDIA在Github上开源了CUDA PointPillars，使用 TensorRT 进行 PointPillars 推理。 点云中的目标检测是许多机器人应用（例如自动驾驶）的一个重要方面。 本次NVIDIA的存储库包含使用 TensorRT进行点柱推理的源代码和模型。该模型由OpenPCDet创建并由onnx_graphsurgeon修改。 安装条件： JetPack 4.5 TensorRT v7.1.3 CUDA-10.2 + cuDNN-8.0.0 PCL 可选择存储 PCD 点云文件 NVIDIA AGX Xavier 性能结果： 大家可以访问：https://github.com/NVIDIA-AI-IOT/CUDA-PointPillars/
1.7K50发布于 2021-12-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号