MXNet动手学深度学习笔记:GPU加速计算

1#coding:utf-8 2''' 3NDArray在GPU上计算 4''' 5 6from mxnet import nd 7from mxnet.gluon import nn 8import mxnet as mx 9 10a = nd.array([1,2,3],ctx=mx.gpu()) 11b = nd.zeros((3,2),ctx=mx.gpu()) 12x = nd.array([1,2,3]) 13 14y = x.copyto(mx.gpu()) 15 16z = x.as_in_context(mx.gpu()) 17 18print('a = ',a) 19print('b = ',b) 20print('x = ',x) 21print('y = ',y) 22print('z = ',z) 23 24# Gluon的GPU计算 25 26net = nn.Sequential() 27net.add(nn.Dense(1)) 28net.initialize(ctx = mx.gpu()) 29 30data = nd.random.uniform(shape=(3,2),ctx=mx.gpu()) 31print(net(data)) 32 33# 模型的参数也储存在GPU34print(net[0].weight.data())
点赞
收藏

评论区

加载中...

相关推荐

Python3:sqlalchemy对mysql数据库操作,非sql语句

Python3:sqlalchemy对mysql数据库操作,非sql语句python3authorlizmdatetime2018020110:00:00coding:utf8'''

GPU加速深度学习

原文地址(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fclick.aliyun.com%2Fm%2F26286%2F)1\.背景  一年半以前,AlphaGo完胜李世乭的围棋赛让深度学习(DeepLearning)这个名词家喻户晓,再度掀起人工智能的新一波热潮。其实深度学

AI为Kubernetes深度学习工作负载创建首个分布式GPU共享系统

近日,AI这家虚拟化AI基础架构的公司,发布了第一个分数GPU共享系统,用于Kubernetes上的深度学习工作负载。分数GPU系统特别适用于诸如推理之类的轻量级AI任务,透明地使数据科学和AI工程团队能够在单个GPU上同时运行多个工作负载,从而使公司能够运行更多的工作负载,例如计算机视觉,语音识别和在同一硬件上进行自然语言处理,从而降低了成本。对于深度

Android蓝牙连接汽车OBD设备

//设备连接public class BluetoothConnect implements Runnable {    private static final UUID CONNECT_UUID  UUID.fromString("0000110100001000800000805F9B34FB");

MXNet动手学深度学习笔记:Gluon实现正则化

coding:utf8'''正则化'''importmxnetasmxfrommxnetimportgluonfrommxnetimportndarrayfrommxnetimportautogradimportnumpyasnp

MXNET:深度学习计算

我们将深入讲解模型参数的访问和初始化,以及如何在多个层之间共享同一份参数。之前我们一直在使用默认的初始函数,net.initialize()。frommxnetimportinit,ndfrommxnet.gluonimportnnnetnn.Sequential()net.add(n