gpu服务器大数据库
GPU服务器大数据库是一种在云计算环境中运行的大规模数据库系统，它结合了GPU加速和分布式计算的优势。GPU服务器大数据库主要用于处理大规模的数据集，提供高性能的数据存储和处理能力。
该技术主要包括以下几个方面：
- 概念：GPU服务器大数据库是指通过使用GPU进行数据处理和计算的分布式数据库系统。它利用GPU的并行计算能力，在处理大规模数据时能够提供更高的性能和吞吐量。
- 分类：根据数据存储和处理方式的不同，GPU服务器大数据库可以分为关系型数据库、NoSQL数据库和混合数据库。关系型数据库适用于结构化数据，如MySQL、PostgreSQL等；NoSQL数据库适用于非结构化数据，如MongoDB、Cassandra等；混合数据库则结合了关系型和NoSQL数据库的优点。
- 优势：GPU服务器大数据库具有以下优势：
- 高性能：通过利用GPU并行计算能力，加速数据处理和计算，提供更快的查询响应速度和更高的吞吐量。
- 可扩展性：支持水平扩展，可以根据实际需求灵活增加或减少服务器节点，以适应数据量的变化。
- 高可用性：采用分布式架构和数据复制技术，保证数据的可靠性和容灾能力，避免单点故障。
- 多样化的应用场景：适用于大数据分析、机器学习、人工智能等领域，能够处理复杂的数据计算和模型训练任务。
- 推荐的腾讯云相关产品：
- 腾讯云GPU服务器：提供高性能的GPU实例，满足大规模数据处理需求。
- 腾讯云分布式数据库TDSQL：提供高可用、弹性伸缩、兼容MySQL协议的分布式关系型数据库。
- 腾讯云NoSQL数据库TencentDB for Redis：提供高性能、高可用的NoSQL数据库服务。
- 腾讯云人工智能开放平台AI Lab：提供丰富的人工智能算法和模型，支持在GPU服务器大数据库中进行机器学习和深度学习任务。
腾讯云GPU服务器产品介绍链接地址：https://cloud.tencent.com/product/cvm_gpu 腾讯云分布式数据库TDSQL产品介绍链接地址：https://cloud.tencent.com/product/tdsql 腾讯云NoSQL数据库TencentDB for Redis产品介绍链接地址：https://cloud.tencent.com/product/redis 腾讯云人工智能开放平台AI Lab介绍链接地址：https://cloud.tencent.com/product/ai-lab
请注意，以上是基于腾讯云的相关产品进行推荐，其他云计算品牌商也提供类似的产品和服务，但根据要求不能提及具体品牌商名称。
相关·内容
1回答
我正在我学院的GPU服务器上工作，计算能力小于3.0，Windows 7专业版，64位操作系统和48 GPU内存。我之前尝试过安装tensorflow，但后来我知道我的GPU无法支持它。我现在想在角角上工作，但是由于tensorflow不存在，所以它能不能工作，因为我也不能导入它？
我必须做视频处理和工作的大视频数据集的动态手语识别。有人能建议我怎样才能在这样的GPU服务器的深度学习领域取得进展吗？或者，如果我只想在CPU上工作，那么在这个视频处理领域会有什么问题吗？
我还有一台带有Windows10Pro的HP ProBook440 G4笔记本电脑，所以它比我的GPU服务器好吗？
我对这一领
浏览 1提问于2018-06-09得票数 1
回答已采纳
2回答
最近，我尝试在大CPU服务器上实现并部署一种深度学习解决方案(多层LSTM网，外加静态输入层)。经过多次尝试，与个人电脑的性能相比，我的速度只提高了3倍。我听说GPU会做得更好。你能解释一下为什么GPU比CPU好得多的确切原因是什么？
浏览 9提问于2016-05-17得票数 5
回答已采纳
我使用GPU在一个大小为55 on的数据集上运行一些非常大的深度学习模型。如果我使用一个大于1的批处理大小，我会得到一个资源耗尽错误。即使批处理大小为1，我也会得到分割错误。 GPU内存为10 of，服务器具有32 of的RAM。 有没有办法让我知道GPU中的数据量(批处理大小为1)会有多大？我正在使用tf.Keras来拟合模型。TensorFlow中是否有torchsummary等效项？
浏览 32提问于2021-08-10得票数 0
我是Tensorflow的新手，我正在致力于将测试图像分发到多个GPU。我读过很多Stack overflow answers和Github示例，我认为可能有两种方法。
1)使用tf.FIFOQueue()来馈送每个GPU镜像，但是很多答案都不推荐使用队列(由于新的tf.data接口)。而且它有一些问题()
2)使用tf.data接口。我不确定这个API是否支持GPU。在这个问题()中，使用GPU的输入管道似乎还不能支持tf.data馈送。
分布式Tensorflow不在我的考虑范围内(因为我们的服务器模型和规模都不是那么大)
如果有人能给我任何建议，我将不胜感激。
浏览 1提问于2018-02-07得票数 0
假设我想用Tensorflow开发和训练一个大的端到端深度学习模型(1.15，因为遗留的原因)。对象复杂，可以提取的特征类型很多:固定长度的数值特征向量、序列、无序集等。因此，该模型将包含许多子模块来处理各种类型的特征。
我可以访问一个带有多个GPU的服务器，所以我想在它们之间分发模型。这样做最好的方法是什么？到目前为止，我正在考虑将子系统放在单独的GPU上，但这提出了一些问题：
在GPU之间传输计算结果的成本会有多高？是自动的，对吧？
考虑到变量被放置在不同的GPU上，梯度计算和下降的代价会有多大？梯度是否也会与其对应的变量在相同的GPU上计算？
浏览 0提问于2020-02-14得票数 1
在中，您可以使用N个GPU数将N个小批(每个包含M个训练样本)分发到每个GPU，并同时计算梯度。
然后平均从N个GPU收集的梯度，并更新模型参数。
但是，这与使用单个GPU计算N*M训练样本的梯度，然后更新参数具有相同的效果。
所以，在我看来，唯一的优势是你可以在相同的时间内使用一个更大的小型批次。
但是更大的小型批次一定更好吗？
我认为你不应该使用一个大的小批，以使优化更健壮的鞍点。
如果更大的小型批处理确实不是更好，你为什么要关心多GPU学习，甚至多服务器学习？
(上面的教程是同步培训。如果是异步训练，那么我可以看到它的优点，因为参数将被更新，而不需要平均每个GPU计算的梯度)
浏览 5提问于2016-06-10得票数 4
回答已采纳
在我的系统中，对于一个大窗口大小(75 am )的5 MP图像来说，要完成140 ms (大约是线性操作的20倍)，我希望对其进行优化。我注意到OpenCV gpu模块没有实现adaptiveThreshold的gpu版本，所以我一直在考虑自己为GPU实现该算法。
如果我在CUDA中实现了一种基于大窗口大小(50px+)和大图像(5 MP+)的自适应阈值算法，而忽略了将内存加载到GPU的开销，我还能期望有任何加速吗？
关于adaptiveThreshold的opencv.org文档：
浏览 4提问于2013-10-01得票数 4
回答已采纳
我计划运行一个非常大的递归网络(例如，2048x5)，是否可以在tensorflow中的一个GPU上定义一个层？如何实施该模型才能达到最佳的效率。据我所知，GPU或GPU-CPU-GPU之间的通信存在开销.
浏览 4提问于2016-03-30得票数 9
回答已采纳
1回答
gpu上的大矩阵乘法运算
、、、
我需要在GPU上使用CUDA实现大矩阵的矩阵乘法。每个矩阵的大小都比GPU内存大。因此，我认为我需要一个算法来有效地实现这一点。我在网上找了找，但什么也找不到。谁能给我这样的算法的名称或链接。
谢谢
浏览 0提问于2013-01-28得票数 8
回答已采纳
1回答
GPU处理离散图像的优化技术
、、、、
我有一个服务器，它将过滤器(实现为OpenGL着色器)应用于图像。它们大多是直接的颜色映射，但偶尔也会出现模糊和其他卷积。
源图像是不同大小的PNG和JPG，从100×100像素到16,384x16,384像素(我的GPU的纹理大小)。
管道是：
Decode image to RGBA (CPU)
|
V
Load texture to GPU
|
V
Apply shader (GPU)
|
V
Unload to CPU memory
|
V
Enco
浏览 1提问于2019-11-06得票数 3
回答已采纳
2回答
我几乎完成了一个处理一些非常大的整数的算法(大约是2阶到100,000,000幂)。这需要几个小时的高度并行的代码在一个16核心服务器上，有超过足够的内存，因为该算法不是内存密集型。我使用了BigInteger 4中的.NET类。
算法的细节并不重要，但对于上下文来说，下面是对这些整数执行的操作的非常详尽的列表，以及算法的一些显著特性：
加/减
大数乘小数。
将大数除以非常小的数(例如2)。
基地2日志。
基地2力量。
两个或两个以上大数的比较(最小/最大)。
与素数无关。
该算法是专门设计的，不需要内存密集型，因为内存访问的性能比一些智能的实时计算要好得多。然
浏览 5提问于2012-08-17得票数 10
回答已采纳
我必须把我的数据库(Mysqli) + php网站移到一个新的服务器上，如果我买一台带GPU的服务器，性能会有很大的不同吗？
浏览 2提问于2015-11-12得票数 0
我用GPU训练了很多模型。我想调优网络的架构，所以我对不同的模型进行了顺序的训练，以比较它们的性能(我使用的是keras-tuner)。
问题是有些模型非常小，而另一些则非常大。我不想把所有的GPU内存分配给我的培训，而只是我需要的数量。我有TF_FORCE_GPU_ALLOW_GROWTH到true，这意味着当一个模型需要大量内存时，GPU就会分配它。然而，一旦大模型已经训练，内存将不会释放，即使下一个训练是小模型。
有没有办法强迫GPU释放未使用的内存？有点像TF_FORCE_GPU_ALLOW_SHRINK
也许自动收缩可能很难实现。如果是这样的话，我会很高兴有一个手动发布，我可以添加一
浏览 7提问于2022-10-25得票数 1
3回答
1、 新建私有网络，这是一个什么东西，买个广东的云服务器，还需要建一大堆的东西，
2、还有进你们的平台把人大脑都给整晕，我做了6年的服务器，想买个东西觉的好难要找半天，还有一大堆的东西，真不知到是干嘛的，我还是一个专业做了几年的互联网的，我不知道新手怎么操作
3 我们要的不在呼就是几个东西 1 域名 2 空间 3建站 4服务器 就是这4个，其它的那些，谁看的懂
计算
云服务器
GPU云服务器
FPGA云服务器
专用宿主机
黑石物理服务器
云硬盘
容器服务
弹性伸缩
私有网络
无服务器云函数
批量计算
存储
对象存储
文件存储
归档存储
存储网关
私有云存储
云硬盘
云数据迁移
浏览 742提问于2018-02-10
我正在工作的一些高清成像软件，虽然非常大的纹理目前没有计划为这个版本，我想做一些未来的打样。
如果我处理的是非常大的纹理(例如1095630 x 939495)，我是否可以使用压缩纹理和mip映射的标准组合，或者这些纹理在纹理内存中存储得太大了？
我的假设是，它们太大了，我不得不在CPU上做一个psudeo手动mip映射。也就是说，抓取非常大的数据，创建一个合理的压缩版本，以便完全放大，然后当用户放大时，将大纹理的子部分发送到GPU？
这样做的想法是，对CPU的压缩将非常慢，所以我的计划是平铺数据，并将数据块发送到GPU进行压缩。在这种情况下，我如何找到(最好是动态的) GPU能够处理的最大纹
浏览 4提问于2014-09-03得票数 5
回答已采纳
我收到一些要处理的大数据，我想将这些文件复制到我的远程GPU服务器上进行处理。
数据包含8000个文件x 9 9GB/个文件，这是相当大的。
是否可以将文件从aws直接复制到远程服务器(与ssh一起使用)
我已经在网上搜索过了，没有人提出这个问题。
如果任何人能提供一个指南/网址的例子，我将不胜感激。
谢谢。
浏览 0提问于2017-05-20得票数 2
1回答
我的系统上安装了两个GTX660 :一个GPU和一个8800GTS。两者都能在Windows8和Ubuntu 12.04 32位下完美运行。
我现在已经在同一系统上安装了Ubuntu12.04 64位，并安装了来自nVidia的最新驱动程序(64位的304.64)。在控制台模式(CTR + ALT + F1)中，我可以检测并使用这两种卡(例如，通过CUDA应用程序)。
在X模式下(我使用标准的lightdm服务器)，相同的应用程序只检测GTX660。从X终端运行lspci会显示两个GTX660 (GPU被称为"VGA兼容控制器“，而8800GTS则被明确地称为”GPU兼容控制器“)。
浏览 0提问于2012-11-13得票数 4
回答已采纳
1回答
我目前正试图在WebGL中生成一个非常大的过程地形。我使用一个四叉树来表示LOD，并计划为每个四叉树节点(地形补丁)生成1幅高度图。
高度图是在GPU上生成的，在如此大的地形下，32位浮标对于较小的地形块没有足够的精度。这导致地形变得“块状”。这篇文章使用双三次曲面来平滑事物。
我想了很多，我唯一的解决方案是在CPU上生成最小的地形补丁(双精度)，而不是GPU，但是继续在GPU上生成更大的补丁。但这似乎不是最好的选择。有人有更好的解决办法吗？
而且，我不能在GPU上使用双重精度，因为我使用的是WebGL，它不支持它。
非常感谢:)
浏览 0提问于2018-12-06得票数 0
回答已采纳
我正在运行一个非常大的Tensorflow模型的谷歌云ml引擎。当使用缩放层basic_gpu (使用batch_size=1)时，我会得到以下错误：
资源枯竭:分配张量时使用shape1,155,240,240,16
因为模型太大，不适合一个GPU。
使用提供4个GPU的层comple_model_m_gpu，我可以在4个GPU之间扩展操作。
然而，我记得我读到GPU之间的通信是缓慢的，并且会在训练中造成瓶颈。这是真的吗？
如果是这样的话，是否有一种在GPU之间传播操作以防止此问题的推荐方法？
浏览 9提问于2017-12-15得票数 2
回答已采纳
有两次，当我使用4x1080ti完成训练模型时，服务器就崩溃了。服务器为什么会崩溃？
我得到了sysylog，发现了一些关于Nvidia驱动程序或GPU的错误。
系统日志：(和)
第二个
9月6日21:11:41 GPU-8-服务器-整数内核: 31429.221258 NVRM: RmInitAdapter失败！(0x30:0xffff:682)
9月6日21:11:41 gpu-8-服务器-整数内核: 31429.221337 NVRM: rm_init_adapter失败，因为设备的小号为0。
9月6日21:13:54 GPU-8-服务器-整数内核: 31562.154256 NVRM
浏览 20提问于2017-09-08得票数 3
2回答
使用GPU训练模型
、、、
我有一点使用GPU来训练模型的知识。我正在使用scikit-learn中的K-means来训练我的模型。由于我的数据非常大，是否可以使用GPU训练此模型以减少计算时间？或者你能推荐一些使用GPU能力的方法吗？
另一个问题是，如果我使用TensorFlow构建K-means，如本文所示。
它会不会使用GPU？
提前谢谢你。
浏览 2提问于2017-02-01得票数 0
2回答
我正在编写一些需要一些磁盘I/O的代码，并调用我编写的一个执行一些计算和GPU工作的库，然后调用更多的磁盘I/O将结果写回文件。
我想将其创建为多线程代码，因为文件非常大。我希望能够读取文件的一部分，将其发送到GPU库，并将一部分写回文件。所涉及的磁盘I/O非常大(例如10 on )，并且在GPU上计算相当快。
我的问题更多的是一个设计问题。我是否应该使用单独的线程来预加载进入GPU库的数据，并且只让主线程实际执行对GPU库的调用，然后将生成的数据发送到其他线程以写回磁盘，或者我是否应该继续下去，让所有单独的线程各自完成自己的部分-抓取一块数据，在GPU上执行，并写入磁盘，然后获取下一块数据？
浏览 2提问于2011-07-09得票数 4
1回答
嗨，我想实现一个推力非常大的循环，但我发现它比正常的C++代码慢得多。你能告诉我我哪里错了吗？fi和fj是宿主载体
xsize通常约为7-8位数字
thrust::host_vector <double> df((2*floor(r)*(floor(r)+1)+1)*n*n);
thrust::device_vector<double> gpu_df((2*floor(r)*(floor(r)+1)+1)*n*n);
for(i=0;i<xsize;i++)
{
gpu_df[i]=(fi[i]-fj[i]);
浏览 0提问于2011-06-14得票数 0
回答已采纳
1回答
有一个model和两个GPU。我把model和model.cuda()放在GPU上。如果我将一个大映像传递给model，它会分配GPU0的所有内存，然后在不分配任何GPU1内存的情况下引发CUDA out of memory错误。
因为每个forward()只有一个图像，所以我不能使用这样的torch.nn.DataParallel东西来分割输入。
在将图像传递给model时，有没有办法使用GPU的所有内存？
我使用Python3.7和Pytorch1.1。
浏览 1提问于2019-09-09得票数 2
回答已采纳
我在这里浏览了一大堆Flux.jl教程：https://fluxml.ai/tutorials.html，其中许多教程在整个教程中都使用语法|> gpu。我知道这与GPU有关，但是这种特殊的语法是做什么的？
浏览 19提问于2021-07-03得票数 1
回答已采纳
我想在linux上为gpu安装0.10.0。在tensorflow页面中，它展示了如何安装0.11。
我尝试将0.11替换为0.10，如下所示：
而不是
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0rc1-cp27-
浏览 4提问于2016-10-29得票数 0
回答已采纳
是否可以使用默认的免费分区驱动程序来设置GPU风扇速度？
我的卡(X1900)一段时间前在fglrx驱动程序中被废弃了。
免费驱动程序似乎与3D，Compiz等，但运行图形密集的程序使我的GPU加热和生产工件，而GPU风扇似乎从来没有增加。(在Windows中设置为100%时，噪音会非常大。)
浏览 0提问于2010-10-13得票数 4
1回答
我有一个非常大的深度神经网络。当我尝试在GPU上运行它时，我得到"OOM当分配“。但当我屏蔽GPU并在CPU上运行时，它可以工作(与小型号相比，速度大约慢100倍)。
我的问题是，tenosrflow中是否有任何机制可以让我在GPU上运行模型。我假设CPU使用虚拟内存，所以它可以随心所欲地分配，并在缓存/RAM/磁盘之间移动(颠簸)。
在Tensorflow和GPU上有相似的东西吗？即使它比常规GPU运行速度慢10倍，这也会对我有所帮助
谢谢
浏览 1提问于2018-06-16得票数 1
我刚刚开始用我的新的和闪亮的GTX 1080处理这个相当大的数据集。我已经安装了驱动，以及库达，cuDNN等。
观察：
当我运行nvidia-smi时，我得到以下图片：
因此，这两个GPU都在使用大量内存(我认为这很好吗？)但是，两者的GPU利用率都很低，特别是第二个GPU。
说明:为什么？
任何关于我如何提高别人的性能的建议都知道为什么GPU利用率这么低吗？
浏览 4提问于2017-03-16得票数 0
回答已采纳
1回答
我正在从主机上的多媒体数据集中提取特征，在从所有图像中提取特征之后，我想执行一些处理任务。
特别是，我希望执行一组操作，如距离计算和数据库索引或哈希预处理，可能在GPU上加速。然而，与顺序处理相比，传输大型特征数组的开销太大，降低了性能。
有人能建议一种方法来处理这样大的数据密集型任务，并且需要传输大型数据集吗？
浏览 3提问于2013-10-10得票数 0
我们有tensorflow的模型，它以uint16格式作为输入非常大的图像(>40 model )。模型输出相同大小的图像，并运行自定义编译tf-服务与GPU。最大的问题似乎与图像大小有关，因为GPU推断需要1s，而整个HTTP请求在本地tf上运行~17s --与SSD驱动器一起服务。我们的模型输出tf.image.encode_png，它被正确地命名为'_bytes‘，这样tf服务就可以正确地将它编码为base64 。从b64解码这个图像需要2.5s。
由于json编码，这对于主要的IO操作来说是相当大的开销。有没有更有效的方法来减少这种开销？
我们确实需要GPU，大图像，ui
浏览 2提问于2020-02-28得票数 1
回答已采纳
2回答
我正在使用theano实现一个卷积神经网络。我的CPU RAM是32G，GPU RAM是2G，但数据也非常大--几乎是5G的训练数据。
当程序运行时，计算机似乎被冻结了，每个操作都非常慢，甚至没有响应。而且CPU模式似乎比GPU模式至少快2倍。
有没有办法加速GPU卷积神经网络？
浏览 0提问于2015-03-14得票数 0
使用一个12 GB内存的或两个8 GB内存的来计算大的CNN，哪个更好？两者的价格大致相同。
Nvidia推荐泰坦X ，但为什么呢？与拥有两个更小的GPU相比，拥有一个具有更多内存的GPU有什么优势？
浏览 20提问于2017-02-08得票数 1
2回答
我有一个相当大的模型，我试图运行(30 GB的内存最低)，但每次我启动一个新的实例，我可以调整CPU内存，而不是GPU。谷歌的人工智能笔记本服务有办法增加GPU的内存吗？
谢谢你的帮助。
浏览 6提问于2020-03-13得票数 1
回答已采纳
我想在一个非常大的卫星图像上执行推断(即语义分割)，而不是将其分割成碎片。我可以访问4个GPU(每个都有15 GB的内存)，我想知道是否有可能以某种方式使用这些GPU的所有内存组合(即60 GB)来推断PyTorch中的图像
浏览 4提问于2020-09-16得票数 3
如果在单独的pthread中使用，cublasSetMatrix可以工作吗？
我想让CPU上的任务与CPU->GPU数据传输重叠。但是，由于数据量非常大，我尽量避免分配大的固定内存。
浏览 1提问于2012-07-27得票数 1
回答已采纳
3回答
我正在尝试创建一个非常大的Keras模型，并将其分布在多个GPU上。需要说明的是，我并不是想把同一模型的多个副本放在多个GPU上；我是想把一个大模型放在多个GPU上。我一直在使用Keras中的multi_gpu_model函数，但基于我在执行此操作时遇到的大量内存不足错误，它似乎只是复制了模型，而不是像我希望的那样分发它。 我研究了Horovod，但是因为我有很多windows特定的日志工具在运行，所以我在犹豫是否要使用它。 这似乎只剩下tf.estimators可供我使用了。但是，从文档中还不清楚我将如何使用这些估计器来完成我想要做的事情。例如，tf.contrib.distribute中
浏览 48提问于2019-02-06得票数 0
回答已采纳
我正在处理一个相当大的数据集，以便与Julia在我笔记本电脑上的Jupyter笔记本上绘制一些图表。但在绘图时，加载时间太长，我的笔记本电脑开始变得迟缓。因此，我认为如果我在GPU上运行代码，可能会减少滞后。但是我在网上找不到任何关于在GPU上设置Jupyter Notebook以运行Julia的明确说明。我在Windows 10上工作，我的笔记本电脑上有一个专用的GPU，规格如下：
***NVIDIA GeForce 940MX
Driver version: 27.21.14.5241
Driver date: 9/23/2020
DirectX version: 12 (FL
浏览 2提问于2021-02-03得票数 2
1回答
GPU着色器图灵完成吗？
、、、
我知道完整的GPU是计算的庞然大物--包括计算的每一步，以及内存。所以很明显，GPU可以计算我们想要的任何东西--它是图灵完整的。
我的问题是关于各种GPU(“流处理器”/“CUDA Core”)上的单一着色器：
图灵完成了吗？
我(理论上)可以通过使用单个着色器计算任意输入上的任意函数吗？
我试着去理解计算着色的“规模”。
浏览 4提问于2014-07-04得票数 13
回答已采纳
我知道GPU有数百个核心，可以同时处理数千个线程，而在Jacobi迭代中，您实际上是在一次又一次地使用相同的数字来更新向量。这就是为什么在GPU上实现Jacobi方法是个好主意吗，特别是如果我们有一个非常大的系统，因为我们有那么多的冗余计算？
我想我不太明白为什么Jacobi方法适合GPU
浏览 0提问于2014-12-03得票数 5
2回答
参考地点对GPU性能的影响与CPU性能一样大吗？
例如，如果我向GPU发送200条绘制命令，如果每个命令的数据在内存中是连续的，而不是在缓冲区/纹理映射中跳跃，我会看到(潜在的)明显的差异吗？
附带问题:我假设GPU通过使大多数资源不可变来防止错误的共享问题。但是如果它们不是，这就是为什么线程总是做四个片段的工作吗？
浏览 0提问于2015-01-06得票数 9
回答已采纳
有一个带有两个GPU的服务器(Intel Xeon E5-2670，)和一个AMD GPU (Tahiti XT Radeon HD 7970)。还有连接到此服务器的SSD (系统和可执行文件)和HDD (重数据)。
有时服务器在高负荷下工作几个小时。有时服务器空闲数小时(空闲时间可能超过8小时)。
我听到了两种相反的观点：
我不应该关闭我的服务器，因为服务器是设计为不关闭而工作的。成千上万的服务器不关机，一个月不间断地工作。
如果服务器上没有负载，则应关闭服务器。尤其是因为GPU。GPU和GPU冷却器的资源有限，即使在负载不重的情况下，GPU也不能一直打开。
哪种观点是正确的？我应该还是不应
浏览 0提问于2013-08-20得票数 1
回答已采纳
我用的是tensorflow-gpu。我想使用GTX1070，但是tensorflow-gpu使用我的CPU.我不知道该怎么办。
我使用CUDA 9.0和CUDNN 7.1.4。我的tensorflow-gpu版本是1.9.
在官方网站上运行此命令之后
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
2018-07-30 10:53:43.369025: i T:\src\gi
浏览 0提问于2018-07-30得票数 0
1回答
对于平均每天2500次访问的magento网站，亚马逊EC2的最佳配置是什么？目前我们使用的配置如下：
Web服务器01 - M1大型实例Web服务器02 - M1大型实例缓存服务器- M1大型实例数据库服务器01 - M3超大型实例数据库服务器02 - M1大型实例负载均衡器
使用上面的配置，我们的网站比以前的主机(Razorservers)慢。
以下是关于magento会话的更多数据:我们的magento会话的访问量是Google analytics的两倍多。唯一的IP(取自服务器日志)或多或少与Google Analytics的唯一访问者相匹配。
这就是magento的行为吗？或者这是一
浏览 2提问于2013-10-08得票数 0
1回答
在上，我猜GPU实例不一定对参数服务器有效，因为参数服务器只保留值，不运行矩阵乘法等任何计算。
因此，我认为的示例配置(参数服务器使用CPU，其他服务器使用GPU )具有良好的成本性能：
trainingInput:
scaleTier: CUSTOM
masterType: standard_gpu
workerType: standard_gpu
parameterServerType: standard_cpu
workerCount: 3
parameterServerCount: 4
是那么回事吗？
浏览 3提问于2017-04-14得票数 0
回答已采纳
1回答
我是CUDA的初学者，我正在尝试实现一个Sobel边缘检测内核。我正在使用这个代码，但是它不能工作。有人能告诉我它出了什么问题吗？我只是得到了一些-1和一些非常大的值。
__global__ void EdgeDetect_Hor(int *gpu_Edge_Hor, int *gpu_P,
int *gpu_Hor, int W, int H)
{
int X = threadIdx.x;
int Y = threadIdx.y;
int sum = 0;
int k1, k2;
int min1, min2;
浏览 1提问于2012-05-29得票数 1
回答已采纳
我正在研究密码学，它包括2048位大小的非常大的整数。我在python中返回了我的算法，并且工作得很好。现在，我需要用GPU加速这个算法。所以，我要用numba来计算。我收到了跟随错误。请协助我处理非常大的整数。
922588444103600561978374731876956449103462543683167038629149225077713772669804803376805349489539273888500604540719575193219424652094787611559379844136899710944526359176782790111418427002714395
浏览 1提问于2019-10-27得票数 4
我刚刚做了一个实验，一个大的全屏幕大小的ImageView和一个小的ImageView在中间。我更改了小ImageView的src，只调用了小ImageView的onDraw。
我在想，如果大ImageView的onDraw没有被调用，为什么我能在屏幕上看到它？
我猜GPU呈现是基于GPU缓冲区的最后一次快照，并且只在每个VSYNC中提交更改。因此，如果在这方面没有变化，它将显示内容作为最后一个框架。
我说错了吗？请告诉我你对此的看法。
浏览 6提问于2022-04-15得票数 0
我想开发一个端到端的机器学习应用程序，其中数据将在GPU -内存和计算将运行在GPU。使用数据库的无状态RESTfull服务是不可取的，因为GPU内存和数据库之间的通信将破坏它的“用途”。
在我看来，我需要一种方法来“服务”拥有数据和方法的类(让我们将其称为实验班)，然后使用rest调用它们。
现在我正在使用FastApi并在其中初始化实验班，我认为这不是最优的。我的类(以及数据)生活在FastAPI运行时。有点像，
import experiment_class
import FastApi
app = FastAPI()
my_experiment = expertiment_class
浏览 0提问于2021-01-04得票数 2
1回答
下面是示例代码：
class Resource {
Long id;
@Embedded
GPU gpu;
CPU cpu;
}
abstract class GPU {
String name;
GpuType type;
}
class PhysicalGPU extends GPU {
}
class VirtualGPU extends GPU {
private int partition;
}
我有一个实体Resource，它有一个字段GPU，它是一个超类。它可以是VirtualGPU或PhysicalGPU。但是JPA或Hibernate似乎不支
浏览 2提问于2022-04-08得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
