# GPU云服务器 #
1
关注
7852内容
|
《多核与GPU编程：工具、方法及实践》---- 3.9 调试多线程应用
调试多线程应用不仅仅是具备一个能够管理多线程的调试器。许多现代调试器支持线程的执行和独立调试，并支持指定线程的断点、观察窗等。本节不讨论调试器的具体实现方法。例如，图3-13展示了DDD——GNU DeBugger（GDB）前端，它执行代码清单3-24中公平的读者–写者解决方案。
|
【代码+教程】重现“世界模型”实验，无监督方式快速训练
“世界模型”（World Models）是谷歌大脑研究科学家 David Ha 和 Swiss AI Lab 负责人 Jürgen Schmidhuber 共同提出的一个为强化学习环境构建的神经网络模型。
|
k8s的扩展资源设计和device-plugin
extended-resources
extended-resources在k8s1.9中是一个stable的特性。可以用一句话来概括这个特性：
通过向apiserver发送一个patch node 的请求，为这个node增加一个自定义的资源类型，用于以该资源的配额统计和相应的QoS的配置。
|
Nvidia GPU如何在Kubernetes 里工作
# Nvidia GPU如何在Kubernetes 里工作
本文介绍Nvidia GPU设备如何在Kubernetes中管理调度。 整个工作流程分为以下两个方面：
* 如何在容器中使用GPU
* Kubernetes 如何调度GPU
### 如何在容器中使用GPU
想要在容器中的应用可以操作GPU， 需要实两个目标
1.
|
《Python分布式计算》第1章 并行和分布式计算介绍 （Distributed Computing with Python）
序言
第1章 并行和分布式计算介绍第2章 异步编程第3章 Python的并行计算第4章 Celery分布式应用第5章 云平台部署Python第6章 超级计算机群使用Python第7章 测试和调试分布式应用第8章 继续学习
本书示例代码适用于Python 3.5及以上。
免费试用