xmake 是一个基于 Lua 的轻量级跨平台构建工具，使用 xmake.lua 维护项目构建，相比 makefile/CMakeLists.txt，配置语法更加简洁直观，对新手非常友好，短时间内就能快速入门，能够让用户把更多的精力集中在实际的项目开发上。
今天，高性能编译器供应商Portland Group（已经被NVIDIA收购）宣布发布PGI Community Edition 版本。该版本最大的特点就是：免费！而且不仅仅是教育单位，个人、政府、科
由于CASCI/CASSCF计算量随活性空间呈指数增长，超过(16,16)的计算在高配机器上几乎不可能。近似求解大活性空间的方法通常有DMRG, selected CI等等。Block-1.5是做DMRG计算的经典程序，由Sandeep Sharma和Garnet Chan开发，虽然早在5年前就不更新了，但其计算速度仍高于很多同类程序。Block-1.5一般结合PySCF使用，可以进行DMRG-CASCI，DMRG-CASSCF和DMRG-SC-NEVPT2等计算。笔者之前在公众号上将该程序的安装拆分为几篇短文
GraphicsMagick号称图像处理领域的瑞士军刀。 短小精悍的代码却提供了一个鲁棒、高效的工具和库集合，来处理图像的读取、写入和操作，支持超过88中图像格式，包括重要的DPX、GIF、JPEG、JPEG-2000、PNG、PDF、PNM和TIFF。
版权声明：本文为博主原创文章，转载请注明源地址。 https://blog.csdn.net/10km/article/details/52724477
最近(2019-05-08 )很多人反映conda镜像挂掉的问题，所以我有必要给粉丝测试一下：
1 背景 图像连通域标记算法是从一幅栅格图像（通常为二值图像）中，将互相邻接（4邻接或8邻接）的具有非背景值的像素集合提取出来，为不同的连通域填入数字标记，并且统计连通域的数目。通过对栅格图像中进行连
在一台48c的服务器上，就import xgboost，还没进行训练，通过命令发现，线程数就达到48个 代码：
对于 OTU 矩阵这样稀疏的组成数据，我们往往会用专门的统计方法来计算其相关性，进行网络分析，一般最常用的就是 SparCC，但其性能限制了高维数据集交互网络的计算。FastSpar 在 SparCC 算法的基础上进行改进，用 C++ 将算法重写，使其更为高效且支持并行运算。与 SparCC 相比，FastSpar 的运算结果几乎相同，同时可将计算时间减少 2-3 个数量级，并且占用内存更少。
版权声明：本文为博主原创文章，转载请注明源地址。 https://blog.csdn.net/10km/article/details/52723306
Krita 3.0 RC1已释出下载，这是Krita候选版第一个版本，其中包括动画制作工具，即时预览，并配有QT5支持！今天发布的候选比beta版提供了许多修正和改进。最大的新功能是对动画支持。
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。
在我们开始使用Python的时候，就注定了，我们解决问题的道路会伴随着Python的应用而变得十分便捷。
yum install：全部安装 yum install <程序包>：安装指定的程序包 yum groupinsall <程序组>：安装程序组 yum -y update：升级所有包，改变软件设置和系统设置，系统版本、内核都升级 yum -y upgrade：升级所有包，不改变软件设置和系统设置，系统版本升级，内核不升级 yum update <程序包>：更新指定的程序包 yum check-update：检查可更新的程序 yum upgrade <程序包>：升级指定的程序包 yum info <程序包>：显示程序包的信息 yum list：显示所有已经安装和可以安装的程序包 yum list <程序包>：显示指定程序包安装情况 yum groupinfo <程序组>：显示程序组的信息 yum search <关键字>：根据关键字查找程序包 yum remove/erase <程序包>：删除程序包 yum groupremove <程序组>：删除程序组 yum deplist <程序包>：查看程序包依赖情况 yum clean <程序包>：清除缓存目录中的程序包 yum clean headers：清除缓存目录下的rpm头文件
在这学期的并行计算课程中，老师讲了OpenMP,MPI，CUDA这3种并行计算编程模型，我打算把相关的知识点记录下来，便于以后用到的时候查阅。
ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。
该命令会调用编译器程序g++，让他读取main.cpp中的字符串（称为源码），并根据C++标准生成相应的机器指令码，输出到a.out这个文件中，（称为可执行文件）
CFOUR程序的全称为Coupled-Cluster techniques for Computational Chemistry，是一款专注于高精度量子化学计算的程序。从名字可以看出，其专长为耦合簇方法，支持在CC级别下做单点、几何结构优化（如CCSD(T)级别）、激发态计算（如EOM-CCSDT）、性质计算（如CCSD(T)级别的NMR计算）。其官方网站为
XGBoost是“Extreme Gradient Boosting”的缩写，是一种高效的机器学习算法，用于分类、回归和排序问题。它由陈天奇（Tianqi Chen）在2014年首次提出，并迅速在数据科学竞赛和工业界获得广泛应用。XGBoost基于梯度提升框架，但通过引入一系列优化来提升性能和效率。
筛法是一种简单检定素数的算法。据说是古希腊的埃拉托斯特尼（Eratosthenes，约公元前274～194年）发明的，又称埃拉托斯特尼筛法（sieve of Eratosthenes）。
我们已经多次强调了，之前推荐的清华大学镜像可能是人满为患，大家需要自己机智一点哦。
OpenPOWER：X86的另一种选择 2013年8月6日，谷歌、IBM、Tyan、NVIDIA和Mellanox一起创立了后来被称之为OpenPOWER基金会的组织，这个组织的目的是就把IBM Power服务器芯片架构开放出来，以类似ARM开放移动芯片知识产权的方式，重新组建一个服务器芯片产业。 众所周知，OpenPOWER的目标是创建一个围绕IBM Power处理器架构的软硬件生态系统，从而提供一个替代英特尔系统方案。与英特尔至强服务器系列芯片不同，IBM Power是基于高端RIS
这个项目是一次课程作业，要求是写一个并行计算框架，本人本身对openmp比较熟，
1、前言 这个项目是一次课程作业，老师要求写一个并行计算框架，本人本身对openmp比较熟，加上又是scala 的爱好者，所以想了许久，终于想到了用scala来实现一个类似openmp的一个简单的并行计算框架。 项目github地址：ScalaMp 2、框架简介 该并行计算框架是受openmp启发，以scala语言实现的一个模仿openmp基本功能的简单并行计算框架， 该框架的设计目标是，让用户可以只需关心并行的操作的实现而无需考虑线程的创建和管理。本框架实现了最 基本的并行代码块和
包括当下非常流行的 AI 库，如：PyTorch、transformers、TensorFlow 等包括当下非常流行的 AI 库，如 PyTorch、transformers、TensorFlow 等，以及科学计算库，如 Numpy、Pandas、Scikit 等，还可以使用图形界面库，如 PyQt、wxPython 等。
使用 pip freeze > ./requirements.txt 导出 requirements.txt 发现很多包没有版本号，而是 @ file:///
OpenMP 是一种支持共享存储并行设计的库，特别适宜在多核CPU上的并行程序设计
在当今多核处理器的时代，利用并行计算的能力以最大化性能已成为程序员的重要任务之一。OpenMP 是一种并行编程模型，可以让我们更容易地编写多线程程序。本文将深入浅出地探讨 OpenMP 的工作原理、基本语法和实际应用。
Apache Superset 是一个现代化的企业级商业智能 Web 应用程序，快速、轻量和直观。Superset支持接入各类数据源，提供了丰富的图表，所有技能组合的用户都可以轻松地对数据进行探索和可视化。
Xmake 是一个基于 Lua 的轻量级跨平台构建工具，使用 xmake.lua 维护项目构建，相比 makefile/CMakeLists.txt，配置语法更加简洁直观，对新手非常友好，短时间内就能快速入门，能够让用户把更多的精力集中在实际的项目开发上。
OpenMP 是基于共享内存模式的一种并行编程模型, 使用十分方便, 只需要串行程序中加入OpenMP预处理指令, 就可以实现串行程序的并行化. 这里主要进行一些学习记录, 使用的书籍为: Using OpenMP: Portable Shared Memory Parallel Programming 和OpenMP编译原理及实现技术
linux环境下，使用MIC架构的Xeon Phi（至强融核）协处理器进行进行host+mic编程时，源程序运行的毫无问题，但将其通过ar命令生成静态连接库供其他应用程序使用时，就会出现offload error: cannot find offload entry错误。
探究原因： include_next是在当前文件所在的路径后面的路径(一般有多个搜索路径)里搜索头文件。 报错说明 clang++的 include 搜索路径里/usr/local/Cellar/llvm/7.0.0/include/c++/v1/ 后面的路径中不存在stdlib.h文件。
ncnn刚发布不久，博主在ios下尝试编译。 遇上了openmp的编译问题。 寻找各种解决方案无果，亲自操刀。 采用std::thread 替换 openmp。 ncnn项目地址: https://github.com/Tencent/ncnn 后来询问ncnn的作者才知道在ios下的编译方法。 至此，当时的临时方案 采用std::thread 替换 openmp。 想想也许在一些特定情况下还是比较适用的，当前方便两者之间进行切换验证。 抽空写了一个示例项目。 项目地址: https://github.co
从 https://developer.nvidia.com/rdp/cudnn-archive 这个网址下载指定的cudnn版本，这里注意如果直接google然后下载的话只是最新版本，需要点击下面的Archived cuDNN Releases才能够找到以前版本的下载，然后选择cuDNN v×.× Library for Linux
在我们开发工程中，可能有些情况下，不能在本机进行调试。这个时候我们一般会使用VM（vmware)建立一个虚拟机环境，然后把编译过的程序放在该虚拟机环境下执行调试。可是在某些情况下，不管我们编译的是debug还是release版本，在虚拟机环境中都会报“由于应用程序配置不正确，应用程序未能启动。重新安装应用程序可能会纠正这个问题。”（The application has failed to start because its side-by-side configuration is incorrect.Please see the application event log or use the command-line sxstrace.exe for more detail.）这样的错误。转载请标明出处。
Dalton是一款开源免费的量子化学程序，主要特色是支持一大堆性质的计算，例如DFT下的二次响应计算（常规TDDFT计算仅是线性相应），MCSCF波函数下的核磁NMR计算等等，以及各类激发态方法。当然，也有一些高精度单参考方法（如MP2-R12和CCSD-R12等），但较少用到。其PDF手册在
已经有超过三人像我反应使用网上的教程Anaconda有问题，有的装不了，有的装的直接整的自己yum命令用不了，linux服务器都被整费。为此我给大家写的简单的安装教程，避免大家可能踩的坑。
1.循环语句中的循环变量必须是有符号整形，如果是无符号整形就无法使用，OpenMP3.0中取消了这个约束
XGBoost是一种基于决策树（CART）的分布式的高效的梯度提升算法，它可被应用到分类、回归、排序等任务中，与一般的GBDT算法相比，XGBoost主要有以下几个优点：
安装成功后，luarocks install torch 可能找不到OpenBLAS，需要定义路径再进行torch安装：
近来，群中有几个小伙伴想要公号推送XGBoost的相关内容，去年我在学习XGBoost时写过几篇笔记(恕我当时理解的浅显):
Intel oneAPI 是一种统一的跨架构的的编程模型，提供了CPU、GPU、FPGA、专用加速器的产品。
但是我们常规的的教程都是基于Linux的conda的教程，比如各个用户里面安装自己的conda，每个用户独立操作，安装方法代码如下：
多核编程并不是最近才兴起的新鲜事物。早在intel发布双核cpu之前，多核编程已经在业内存在了，只不过那时候是多处理器编程而已。为了实现多核编程，人们开发实现了几种多核编程的标准。open-mp就是其中的一种。对于open-mp还不太熟悉的朋友，可以参照维基百科的相关解释。
OpenCV（Open Source Computer Vision）是一个开放源代码的计算机视觉库，它提供了一系列函数和算法，用于处理图像和视频。通过使用OpenCV，您可以进行各种计算机视觉任务，例如图像处理、对象识别、目标追踪、人脸检测和机器学习等。它提供了底层图像处理功能，以及高级功能和模块，如特征提取、边缘检测、图像分割和物体测量等。
Google Cloud Platform (GCP) 深度学习虚拟机 (VM)（推荐！）
Conda 中包含的软件越来越多，而且软件的不同版本都保留了下来，软件的索引文件越来越大，安装一个新软件时搜索满足环境中所有软件依赖的软件的搜索空间也会越来越大，导致solving environment越来越慢。
---- 新智元报道 来源：Pytorch 官网 【新智元导读】今天，PyTorch官方在GitHub发布0.4.0版本，最重要的改进是支持Windows系统。新版本完全改变了API，是本年度最重大的升级。 TensorFlow依旧有王者荣耀，但PyTorch虎视眈眈。 今天，PyTorch官方在GitHub发布0.4.0版本，最重要的改进是支持Windows系统。 PyTorch是在2017年1月由Facebook推出的。它是经典机器学习库Torch框架的一个端口，Torch二进制文件包装于GPU
CP2K安装的方法有很多（我们曾分享过CP2K 5.1版本的安装及简单介绍），笔者最近尝试在课题组新买的服务器上从源码编译安装CP2K，过程中遇到了各种问题。根据这次安装的经验，在此笔者想和大家分享如何从零开始安装CP2K（支持PLUMED）。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
