企业官网建设流程全解析

静态网站开发外文文献,wordpress唯美破解主题,网站建设的公司资质,网站建设加推广需要多少钱前言 如果大家的电脑显卡是RTX50系列的话#xff0c;如果按照正常的部署AI#xff0c;可能尚未进行调试#xff0c;就会发现环境的依赖报错一大堆#xff0c;又或者如下图的UserWarning#xff0c;之所以会是这样#xff0c;是因为5060的显卡太新了#xff0c;以至于Py…前言如果大家的电脑显卡是RTX50系列的话如果按照正常的部署AI可能尚未进行调试就会发现环境的依赖报错一大堆又或者如下图的UserWarning之所以会是这样是因为5060的显卡太新了以至于PyTorch与CUDA出现兼容问题。图这里sm_xx代表什么流多处理器架构版本sm_50 - Maxwell架构GTX 900系列sm_60 - Pascal架构GTX 1000系列sm_70 - Volta架构Tesla V100sm_75 - Turing架构RTX 2000系列sm_80 -Ampere架构RTX 3000系列/A100sm_86 - Ampere架构笔记本RTX 3000sm_89 - AdaLovelace架构RTX 4000系列sm_90 - Hopper架构H100sm_120 - Blackwell架构RTX5000系列CUDA安装先说一下什么是CUDA。CUDACompute Unified Device Architecture统一计算设备架构是NVIDIA公司推出的并行计算平台和编程模型。它允许开发者使用NVIDIA GPU进行通用计算而不仅仅是图形渲染。一句话就是充分调用GPU。众所周知电脑里的CPU少而强大擅长逻辑控制用于处理复杂但少量任务。而GPU相对于CPU则是显得多且简单并行运行下可以处理简答但大量的任务。nvidia-smi以上指令查看显卡支持的CUDA最高版本虽然NVIDIA官网上的版本写文时迭代到了13.1但是我们用12.8就完全可以RTX50系列12.8就可以了如果是5070可以用12.9或者13.0。nvcc --version已经安装的话可以查查版本。CUDA下载点击这里下载。https://developer.nvidia.com/cuda-toolkit-archive选择12.8.1版本。下载12.8.1安装。一直next就行。PyTorch安装https://pytorch.org/get-started/locally/这个网站是PyTorch本地安装页面。如果进行后续的微调追求稳定体验用Stable即可。但是如果要进行微调的话建议选择Nightly版本虽然作为一天一更新的开发版不是很稳定。但是当前只有Nightly支持RTX50系列的Blackwell架构。tips可能存在与其他库甚至是系统的兼容问题如果有评论区或者笔者后续遇见笔者会尽量解决。先说稳定版https://download.pytorch.org/whl/cu128下面给出的地址打开后找到torch和torchvision。CU128指对应CUDA12.8版本CP310指对应python3.10版本。接着在终端pip3 install Path即可。然后是开发版。后者的时间要后于前者。以下代码检查是否成功# check_cuda.pyimporttorchimportplatformprint(*60)print(系统信息:)print(f操作系统:{platform.system()}{platform.version()})print(fPython版本:{platform.python_version()})print(*60)print(\nCUDA状态检查:)print(fPyTorch版本:{torch.__version__})print(fCUDA可用:{torch.cuda.is_available()})iftorch.cuda.is_available():print(f\nGPU信息:)print(f设备数量:{torch.cuda.device_count()})foriinrange(torch.cuda.device_count()):print(f\nGPU{i}:)proptorch.cuda.get_device_properties(i)print(f 名称:{prop.name})print(f 架构: sm_{prop.major}{prop.minor})print(f 显存:{prop.total_memory/1024**3:.2f}GB)print(f 多处理器数量:{prop.multi_processor_count})print(f\nCUDA版本:{torch.version.cuda})print(fcuDNN版本:{torch.backends.cudnn.version()})else:print(\nCUDA不可用原因可能是:)print(1. 没有NVIDIA显卡)print(2. 没有安装CUDA驱动)print(3. PyTorch版本不支持你的显卡)# 测试GPU计算print(\n*60)print(GPU计算测试:)iftorch.cuda.is_available():try:# 测试基本计算atorch.randn(1000,1000,devicecuda)btorch.randn(1000,1000,devicecuda)ctorch.matmul(a,b)print(✓ 基本矩阵乘法测试通过)# 测试半精度计算iftorch.cuda.get_device_properties(0).major5:# Volta架构以上a_halftorch.randn(1000,1000,devicecuda,dtypetorch.float16)b_halftorch.randn(1000,1000,devicecuda,dtypetorch.float16)c_halftorch.matmul(a_half,b_half)print(✓ 半精度计算测试通过)# 测试内存分配large_tensortorch.randn(1000,1000,100,devicecuda)# 约400MBdellarge_tensor torch.cuda.empty_cache()print(✓ 大内存分配测试通过)exceptExceptionase:print(f✗ GPU测试失败:{e})else:print(跳过GPU测试CUDA不可用)