windows10下最新 TensorFlow GPU版 C++ 运行库编译成功-附件资源
2022-08-24 12:31:04 23B
1
包括下面几个包 cublas64_11 cublasLt64_11 cudart64_110 cudnn64_8 cufft64_10 curand64_10 cusolver64_11 cusparse64_11
2022-08-18 12:05:54 195.71MB GPU tensorflow
1
在ubuntu16.04上编译好tensorflow2.5.0-GPU;使用的是RTX 2060 Super测试多张图片;比TF-CPU加速很多。
2022-07-28 09:00:18 51.55MB tensorflow-gpu
1
cublas64_11.dll cublasLt64_11.dll cudnn64_8.dll cufft64_10.dll 等7个dll文件
2022-07-13 16:50:09 195.61MB tensorflow
1
tensorflow-gpu测试代码,测试成功会输出GPU True
2022-07-11 19:15:06 535B tensorflow 人工智能 AI
深度学习,tensorflow-gpu2.1.1版本,TensorFlow-gpu版本c++动态库。可以使用,包含include文件,dll和lib文件。
2022-05-10 09:09:15 49.79MB 深度学习 TensorFlow c++ c++动态库
适用于Python的HPC基准 这是一组基准测试,用于测试使用Python前端的各种计算后端的顺序CPU和GPU性能。 具体来说,我们想测试哪种高性能后端最适合地球物理(基于有限差分)的模拟。 内容 常问问题 为什么? 科学的Python生态系统正在蓬勃发展,但是Python中的高性能计算还不是真正的事情。 我们尝试来更改此,但是我们应该使用哪个后端进行计算? Python前端到高性能后端的开发需要大量的时间和资源,但是这些通常是为深度学习量身定制的。 我们想了解一下,通过(滥用)这些库进行地球物理建模,我们是否可以从这些进展中获利。 为什么基准看起来如此怪异? 这些或多或少是逐字记录副本(即物理模型的实际部分)。 大多数地球系统和气候模型组件都基于有限差分方案来计算导数。 这可以通过数组的索引移位(例如0.5 * (arr[1:] + arr[:-1]) , arr在每个点的一
2022-05-09 16:03:04 236KB python tensorflow gpu parallel-computing
1
主要介绍了tensorflow -gpu安装,史上最新最简单的途径(不用自己装cuda,cdnn),非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下
2022-04-27 02:02:55 51KB tensorflow gpu安装 tensorflow 安装
1
一定要阅读README
2022-04-25 09:06:21 402.77MB tensorflow 源码软件 人工智能 python
1
win10下搭建Mask Rcnn环境详细教程并运行第一个demo程序(包含Anaconda+Tensorflow-gpu+Cuda+cuDnn安装过程及各种坑)-附件资源
2022-04-23 02:20:26 23B
1