NVIDIAのドライバーをWindows 10にインストールする - プログラミングの「YUIPRO」
NVIDIA製品のGPUをディープラーニング、マシンラーニングなどのプログラミングに使用する場合、GPUに対応したNVIDIAドライバーのインストールがまず必要になります。 NVIDIAのドライバーのインストールは以下より可能です。 Download Drivers | NVIDIA 使用しているGPUのモデルが何か確認したい場合は、NVIDIA control panelから確認できます。 なお、ドライバーのダウンロードの際に、ダウンロードタイプとしてgame ready driver(GRD)か、studio driver (SD) というのを聞かれますが、 redditによると、これはどちらを選んでも大丈夫、といったものらしいです。 より若干機械学習プログラムのパフォーマンスが上がるのはstudio driver (SD)の方だけど、その差はほとんどない、といった感じらしいです。 僕
エラー Could not load dynamic library 'cupti64_110.dll'
WindowsでTensorFlowを使用しての機械学習プログラムを動かそうとする際に、環境構築、セットアップを正しく行っているのにも関わらず、プログラムの実行時にCould not load dynamic library 'cupti64_110.dll'といったエラーが起こる場合があります。 このエラーはTensorFlowおよびNVIDIA CUDAのセットアップ上に起こってしまう潜在的なバグによるものであり、コミュニティでの議論の結果、以下のような解決策、次善策が提案されています。 "cupti64_2020.1.1.dll"ファイルを"cupti64_110.dll"へコピー、置換する copy cupti64_2020.1.1.dll to cupti64_110.dll (コミュニティによる議論) Could not load dynamic library 'cupti6
CUDA GPUs - Compute Capability
Are you looking for the compute capability for your GPU, then check the tables below. You can learn more about Compute Capability here. NVIDIA GPUs power millions of desktops, notebooks, workstations and supercomputers around the world, accelerating computationally-intensive tasks for consumers, professionals, scientists, and researchers. Get started with CUDA and GPU Computing by joining our free
CUDA Toolkit 12.1 Downloads
Get the latest feature updates to NVIDIA's proprietary compute stack.
CUDAとOpenCLどっちがいいの？ - Qiita
TL;DR: そもそも単純に比べんな。ナイフとノコギリがどっちがいいかなんて一概には言えないだろう？ Twitterに書いたら思ったより反応されてるので、もうちょっと解説も兼ねて書いておきます。 なお、この話はtweetにもある通り某所で発表したやつの公開版です。前にも観たって方は内緒にしておいてください。 あと、若干、個人的な偏見を含んでいるかもしれませんが、そのあたりは頑張ってフィルターかけてください。 GeForceやTeslaといった、NVIDIA社のGPUでGPGPUしたい人がまず使うプログラミング環境。実質的にGPGPU界の頂点であり最強であることは否定できません。 ただし、NVIDIAがベンダーロックしていて、標準化はされていません（一応、CUDAのモデルはロイヤリティーフリーで使っても良い）。 CUDA Cという独自拡張されたC言語で、デバイスとホストを同じ.cuファイルに
CUDA - Wikipedia
CUDA（Compute Unified Device Architecture：クーダ）とは、NVIDIAが開発・提供している、GPU向けの汎用並列コンピューティングプラットフォーム（並列コンピューティングアーキテクチャ）およびプログラミングモデルである[5][6][7]。専用のC/C++コンパイラ (nvcc) やライブラリ (API) などが提供されている。なおNVIDIA製GPUにおいては、OpenCL/DirectComputeなどの類似APIコールは、すべて共通のGPGPUプラットフォームであるCUDAを経由することになる[8]。 概要[編集] CUDAの処理の流れ 1. メインメモリ（ホストメモリ）からデータをGPU用メモリ（デバイスメモリ）にコピーする。 2. CPUがGPUに対して処理を指示する。 3. GPUが必要なデータを取り込み各コアで並列実行する。 4. 結果をG
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
