CUDAのバージョン入れ替えに成功した話 - モズク食べる
◆目的 TensorFlow-GPUを試そうとした環境準備中、うっかりCUDA10.0を入れてしまった。 CUDA10.0を使用する場合はTensorFlowをローカルで再ビルドする必要アリ。 というわけで 「CUDA10.0アンインストール＆CUDA9.0をインストールし直す」ことにした。 適当にやると深刻な事態になるらしく色々と下調べをしてから実施。 結果：成功。ヤッター。 ◆環境 ※あまりに失敗報告ブログが散見されるので、環境や条件が異なると 手順通り実施しても失敗するのかも知れません。 別の手順もあるみたいです。最下部に参考リンク貼りました。 ※2019年1月4日時点の記録です。 ・OS：Windows10 Professional 64bit ・GPU：GeForce GTX 1080 ・「CUDA Toolkit 10.0」及び「cuDNN v7.4.2 for CUDA 10
Python, Performance, and GPUs
This blogpost was delivered in talk form at the recent PASC 2019 conference. Slides for that talk are here. Executive SummaryWe’re improving the state of scalable GPU computing in Python. This post lays out the current status, and describes future work. It also summarizes and links to several other more blogposts from recent months that drill down into different topics for the interested reader. B
ffmpeg に nvenc（cuda）をインストールする | ニコラボ
ffmpeg 2.6から使えるNVENC, NVDECを使う方法。 FFmpeg / libav | NVIDIA Developer NVIDIA FFmpeg Transcoding Guide | NVIDIA Developer Blog NVIDIA VIDEO CODEC SDK | NVIDIA Developer Using FFmpeg with NVIDIA GPU Hardware Acceleration hardware acceleration の Wiki：HWAccelIntro – FFmpeg 追記 2024年4月1日 SDK 12.2のビット深度APIのサポート。 avcodec/nvenc: support SDK 12.2 bit depth API · FFmpeg/FFmpeg@06c2a2c · GitHub avcodec/nvenc: u
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
処理を実行中です
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
Multi Dimensional Image Processing
GitHub - rapidsai/pygdf: Python GPU DataFrame Library
Accelerating Scikit-Image API with cuCIM: n-Dimensional Image Processing and I/O on GPUs | NVIDIA Technical Blog
GitHub - cupy/cupy: NumPy & SciPy for GPU
