Parallel Programming Education Materials Whether you’re looking for presentation materials or CUDA code samples for use in education self-learning purposes, this is the place to search! Please keep checking back as new materials will be posted as they become available. We recommended you subscribe to the following e-mail list to be kept informed of updates and any Parallel Programming education e
きっかけ きっかけは二つありまして １．KerasでImageDataGeneratorを使い大量の画像で学習したり batchサイズを大きくすると、GPUのメモリが不足して（？）計算が止まる事がある ２．Tensor coreを使うためにFP16で計算させたいが GPUにFP16でデータ渡ってるの？ そもそもTensor core動いてるの？ というわけでGPUのログを取れないかと調べておりまして @kuroyagi様の記事を参考に動かしてみました https://qiita.com/kuroyagi/items/e70c55cbc88fc0ed0220 @kuroyagi様の記事は**「Jupyter」を使用していましたが この記事では「spyder」**を使用しています 結論としてはログは取れるようになりましたが ログの中身の解説は全くありません() 確認環境 OS:Windows1
新しくPCを組んだので入れ方をメモ なんで9.0+V7.1かというとjetson TX2と同じにしたかった為 1.入れたものと入れた先の情報 1)インストールしたもの cuda_9.0.176 CuDNNv7.1 2)インストール環境 OS:Windows10Home GPU：GTX1070 GPUのドライバー：399.07 VS2015：Version 14.0.25431.01 Update 3 開発環境 (1)python3.6.6 (2)tensorflow1.10.0 (3)keras2.2.2 2.ソフトの入手 1)VS2015 ローカルにあったのを使用（） 2)CUDA9.0 ダウンロード 本体とパッチ４つを落とす 3)CuDNNの入手 ダウンロード 詳細略() 3.インストール 1)VS2015 入れるときはカスタムにしてC++とPythonのオプションを入る 2)CUDA
環境 ・Windows 7 Professional 64bit ・Intel Corei7-3770K ・16GB RAM ・Geforce GTX 780 ・Visual Studio 2017 Version 15.7.0 ・CMake 3.12.0 事前準備 ・OpenCV 3.4.1 ダウンロード 「Sources」をクリックしてダウンロード。 ダウンロード後、解凍(e.g. C:\opencv\3.4.1) ※今回はエクストラモジュール入れてません。 ・Intel TBB ダウンロード 「tbb2018_20180618oss_win.zip」をクリックしてダウンロード。 ダウンロード後、解凍(e.g. C:\intel_tbb) 解凍後、下記パスをシステム環境変数に追加。 C:\intel_tbb\tbb2018_20180618oss\bin\intel64\vc14 C:
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? CUDA 10.0 Download (deb) sudo dpkg -i cuda-repo-ubuntu1604-10-0-local-10.0.130-410.48_1.0-1_amd64.deb sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub sudo apt-get update sudo apt-get install cuda cuDNN 7.3.1 cuda10 official wget tar xzf cudnn-10.0
この記事について CMakeを使って、CUDAアプリケーション開発用プロジェクトを作ります。WindowsとLinuxの両方でビルドできるようにします。 が、今回はLinux側は環境構築していないので、動作未確認です。 CMakeを使うことのメリット マルチプラットフォーム対応 インクルードパスやライブラリ設定を自動化できる (特に、GitHub等で他の人に渡すときに便利) 環境 Windows10 64-bit Visual Studio 2017 Community Version 15.6.7 _MSC_VER = 1913 CUDA 10.0 CUDAとVisualStudioのバージョン問題 CUDA 9.0だと、_MSC_VER = 1911以降のVisual Studioをサポートしていません。公式に言われているわけではなさそうですが、_MSC_VERのバージョンチェックでエ
環境構築の流れ 以下の流れで構築します。 NICの設置 UEFI(BIOS)の設定 ESXiのインストール、ネットワーク設定 GPUパススルーの設定 Ubuntuのインストール UbuntuでGPUを使用するための設定 各種ソフトウェアのインストール 1. NICの設置 ESXiは対応しているNICが限られており、Realtek社などのオンボードNICは対応していないことが多いです。 IntelのオンボードNICなら対応しているかもしれませんが、今回使用するオンボードNICはRealtek社製であり非対応でした。 NICのドライバを入手してESXiのイメージを作り直す方法もありますが手間なので、今回はIntel NICを導入しました。 2. UEFI(BIOS)の設定 GPUパススルーするにはUEFI(BIOS)の以下の設定変更が必要です。 具体的な設定項目は使用するM/Bによって異なるた
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? インストール環境 ・Windows 7 Professional 64bit ・Intel Corei7-3770K ・16GB RAM ・Geforce GTX 780 ・Visual Studio 2017 Version 15.7.0 Step 1. GPUの確認 ここにアクセスし、GPUがCUDAを使えるかを確認する。 Compute CapabilityはCUDAで使える機能の豊富さだとでも思っておけばよいです。 https://developer.nvidia.com/cuda-gpus Step 2. ダウンロード 以下か
追記 CuPy v7でplanをcontext managerとして扱う機能が追加されたので、この記事の方法よりそちらを使う方がオススメです。 はじめに CuPyにv4からFFTが追加されました。 これにより、NumPyと同じインターフェースでcuFFTを使うことができるようになりました。 しかし、NumPyとインターフェースを揃えるために、cuFFTの性能を使い切れていない場合があります。 この記事では、CuPyの内部実装を利用することによってFFTを更に高速化する方法を紹介します。 （注）この方法は仕様になっていない内部実装を利用するので、minor updateでも使えなくなる可能性があります。 環境 CPU: Intel Core i7-8700K GPU: GeForce GTX 1080 Ti CUDA: 9.1 NumPy: 1.15.2 (+MKL) CuPy: 4.4.1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
