# GPU云服务器 #
1
关注
7890内容
【Hello AI】使用AIACC-Training PyTorch版
自PyTorch 1.x发布迭代后，使用PyTorch原生自带的DDP进行分布式训练逐渐形成了主流。本文为您介绍如何使用AIACC-Training，对基于PyTorch框架搭建的模型进行分布式训练加速的方法，以及可能遇到的问题和解决办法。
|
百度飞桨(PaddlePaddle) - PP-OCRv3 文字检测识别系统 Paddle Inference 模型推理（离线部署）
百度飞桨(PaddlePaddle) - PP-OCRv3 文字检测识别系统 Paddle Inference 模型推理（离线部署）
在Windows平台使用源码编译和安装PyTorch3D指定版本
【10月更文挑战第6天】在 Windows 平台上，编译和安装指定版本的 PyTorch3D 需要先安装 Python、Visual Studio Build Tools 和 CUDA（如有需要），然后通过 Git 获取源码。建议创建虚拟环境以隔离依赖，并使用 `pip` 安装所需库。最后，在源码目录下运行 `python setup.py install` 进行编译和安装。完成后即可在 Python 中导入 PyTorch3D 使用。
面向AI的服务器计算互连的创新探索
面向AI的服务器计算互连创新探索主要涵盖三个方向：Scale UP互连、AI高性能网卡及CIPU技术。Scale UP互连通过ALink系统实现极致性能，支持大规模模型训练，满足智算集群需求。AI高性能网卡针对大规模GPU通信和存储挑战，自研EIC网卡提供400G带宽和RDMA卸载加速，优化网络传输。CIPU作为云基础设施核心，支持虚拟化、存储与网络资源池化，提升资源利用率和稳定性，未来将扩展至2*800G带宽，全面覆盖阿里云业务需求。这些技术共同推动了AI计算的高效互联与性能突破。
技术改变AI发展：RDMA能优化吗？GDR性能提升方案（GPU底层技术系列二）
随着人工智能（AI）的迅速发展，越来越多的应用需要巨大的GPU计算资源。GPUDirect RDMA 是 Kepler 级 GPU 和 CUDA 5.0 中引入的一项技术，可以让使用pcie标准的gpu和第三方设备进行直接的数据交换，而不涉及CPU。
|
每帧纵享丝滑——ToDesk云电脑、网易云游戏、无影云评测分析及ComfyUI部署
作为一种新兴的虚拟电脑服务方式，云电脑将传统电脑的计算、存储和应用服务等功能迁移到云端，打破了传统电脑的物理限制，通过云端连接，即可享受到高效、稳定的资源与服务，为人们提供了更加灵活、便捷、安全的工作与娱乐模式。
今天，本篇文章将带来ToDesk云电脑、网易云游戏、无影云三款云电脑的性能测评、AIGC科研测评和软件应用实测分析。
Jetson 学习笔记(八):htop查看CPU占用情况和jtop监控CPU和GPU
在NVIDIA Jetson平台上使用htop和jtop工具来监控CPU、GPU和内存的使用情况，并提供了安装和使用这些工具的具体命令。
目标检测实战(八): 使用YOLOv7完成对图像的目标检测任务（从数据准备到训练测试部署的完整流程）
本文介绍了如何使用YOLOv7进行目标检测，包括环境搭建、数据集准备、模型训练、验证、测试以及常见错误的解决方法。YOLOv7以其高效性能和准确率在目标检测领域受到关注，适用于自动驾驶、安防监控等场景。文中提供了源码和论文链接，以及详细的步骤说明，适合深度学习实践者参考。
MiniMind：2小时训练出你的专属AI！开源轻量级语言模型，个人GPU轻松搞定
MiniMind 是一个开源的超小型语言模型项目，帮助开发者以极低成本从零开始训练自己的语言模型，最小版本仅需25.8M参数，适合在普通个人GPU上快速训练。
免费试用