2553 条“GPU芯片功能测试-2” 相关内容
- Erlangsnmp2.代理功能描述 | 2. Agent Functional Description
2.代理功能描述 | 2. Agent Functional Description
2Agent功能描述 SNMP代理系统由一个主代理和可选的子代理组成。 该工具使运行时动态扩展SNMP代理变得容易。MIB可以随时加载和卸载。在运行时更改MIB的实现也很容易，无需重新编译MIB。
- TensorFlow表现 | PerformanceBenchmarks（基准）
Benchmarks（基准）
基准 概观 在多个平台上测试了一系列图像分类模型，为TensorFlow社区创建了参考点。Methodology部分详细说明了测试如何执行并且链接到了所使用的脚本。
- TensorFlow表现 | PerformancePerformance Guide（性能指南）
Performance Guide（性能指南）
以下是一些确定问题的其他方法： 通过运行检查GPU是否未充分利用nvidia-smi-l2。如果GPU利用率未达到80-100％，则输入管线可能是瓶颈。 生成一个时间表并查找大块空白（等待）。
- TensorFlow表现 | PerformanceUsing JIT Compilation（使用JIT编译）
Using JIT Compilation（使用JIT编译）
- TensorFlow扩展 | ExtendAdding a New Op（添加一个新Op）
Adding a New Op（添加一个新Op）
测试操作。为了方便起见，我们通常在Python中执行此操作，但您也可以在C++中测试操作。如果您定义了渐变，您可以使用Python渐变检查器来验证它们。
- TensorFlow教程 | TutorialsUsing GPUs（使用GPU）
Using GPUs（使用GPU）
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
CONV2卷积和整流线性激活。NORM2本地响应正常化。POOL2最大池。local3具有整流线性激活的完全连接层。LOCAL4具有整流线性激活的完全连接层。
- TensorFlow表现 | PerformanceHigh-Performance Models（高性能的模型）
High-Performance Models（高性能的模型）
不同之处在于StagingArea不能保证FIFO排序，但提供更简单的功能，并且可以在CPU和GPU上与其他阶段并行执行。将输入管道分成3个并行独立运行的阶段，可扩展并充分利用大型多核环境。
- TensorFlow表现 | PerformanceDeveloping a new backend for XLA（为XLA开发一个新的后端）
Developing a new backend for XLA（为XLA开发一个新的后端）
2.具有现有LLVM后端的非CPU类硬件。 3.没有现有LLVM后端的非CPU类硬件。 注意：LLVM后端可以是官方发布的LLVM后端或内部开发的定制LLVM后端。
- TensorFlow指南 | GuideFrequently Asked Questions（问的频率最高的问题）
Frequently Asked Questions（问的频率最高的问题）
功能和兼容性 我可以在多台电脑上运行分布式操作吗？ 是!TensorFlow在0.8版本中获得了对分布式计算的支持。TensorFlow现在支持一台或多台计算机中的多个设备（CPU和GPU）。
- ElectronAPI·对象 | API·ObjectsGPUFeatureStatus
GPUFeatureStatus
- TensorFlow扩展 | ExtendTensorFlow Architecture（TensorFlow架构）
TensorFlow Architecture（TensorFlow架构）
图2说明了这些组件的相互作用。“/job：worker/task：0”和“/job：ps/task：0”都是带有工作服务的任务。“PS”代表“参数服务器”：负责存储和更新模型参数的任务。
- TensorFlow表现 | PerformanceXLA Overview（XLA概述）
XLA Overview（XLA概述）
该团队欢迎来自社区的关于通过GitHub缺失功能和社区贡献的反馈。 我们为什么要构建XLA？ XLA与TensorFlow合作有几个目标： 提高执行速度。
- Erlangcommon_test5. Writing Test Suites
5. Writing Test Suites
5.4每个测试用例的初始和结束 每个测试套件模块都可以包含可选的配置功能init_per_testcase/2和end_per_testcase/2。
- TensorFlow指南 | GuideGraphs and Sessions（图表和会话）
Graphs and Sessions（图表和会话）
将操作放置在不同的设备上 如果您希望您的TensorFlow程序使用多个不同的设备，tf.device功能提供了一种便捷的方式来请求在特定上下文中创建的所有操作都放置在同一设备（或设备类型）上。
- Erlangcommon_test6. Test Structure
6. Test Structure
6测试结构 6.1一般 通过运行一个或多个测试套件来执行测试。测试套件由测试用例，配置功能和信息功能组成。测试用例可以分组在所谓的测试用例组中。
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号