Инференс Yolo на CPU и GPU
Инференс Yolo в программе управления DMX фонарями по протоколу ArtNet
Fine-Tune rubert-tiny для задачи классификации комментариев Will be there soon
Таблица совместимости версий tensroflow и CUDA
Полный процесс установки в гайде от разработчиков
Тестовый код для проверки работы TensorFlow-gpu и CUDA
import tensorflow as tf # 2.x
tf.compat.v1.disable_eager_execution() # need to disable eager in TF2.x
# Build a graph.
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
# Launch the graph in a session.
sess = tf.compat.v1.Session()
# Evaluate the tensor `c`.
print(sess.run(c)) # prints 30.0
Проверка видимости видеокарты
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))
Создание ограничения для Tensorflow на заполнение всей видеопамяти видеокарты
gpus = tf.config.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(gpus[0], True)
Установка хорошо описана тут
Проверка видимости видеокарты
import torch
print(torch.cuda.is_available()) # Returns a bool indicating if CUDA is currently available.
print(torch.cuda.current_device()) # Returns the index of a currently selected device.
print(torch.cuda.device(0)) # Context-manager that changes the selected device.
print(torch.cuda.device_count()) # Returns the number of GPUs available.
print(torch.cuda.get_device_name(0)) # Gets the name of a device.
Отключение cuda девайсов
torch.cuda.is_available = lambda : False
Гайд от Rubbix по дообучению модели Bert в качестве текстового классификатора на их датасете с помощью высокоуровнего API от Transformers