V
主页
31 深度学习硬件:CPU 和 GPU【动手学深度学习v2】
发布人
动手学深度学习 v2 - 从零开始介绍深度学习算法和代码实现 课程主页:https://courses.d2l.ai/zh-v2/ 教材:https://zh-v2.d2l.ai/
打开封面
下载高清视频
观看高清视频
视频下载器
32 深度学习硬件:TPU和其他【动手学深度学习v2】
为什么AI训练使用GPU而不是CPU?【AI芯片】GPU原理02
租借GPU运行python的深度学习代码全过程
[双语字幕]吴恩达深度学习deeplearning.ai
联想拯救者Y9000P电脑适合跑AI深度学习吗?计算机准博士给你答案!
17 使用和购买 GPU【动手学深度学习v2】
组装一台自己的GPU炼丹(深度学习)机器玩Ai。不贵,才万元出头!
学习分享:英伟达的GPU架构及各类核心知识点
一张图看懂CPU、GPU、NPU
04.GPU体系架构概述
跑深度学习模型需要买什么电脑?
CUDA编程基础入门系列(持续更新)
深入GPU原理:线程和缓存关系【AI芯片】GPU原理01
【英文中字】为啥AI要用GPU? (适用初学者)
03 安装【动手学深度学习v2】
【大模型】个人学习大模型技术需要什么样的电脑配置?
为什么说RTX3060是入门深度学习最佳显卡
装一台用于人工智能的深度学习服务器!主要配置 4张4090显卡/至强8336C 32核心CPU/2700瓦电源/4U机架式服务器
【PyTorch】B站首个,终于有人把 GPU/ CUDA/ cuDNN 讲清楚了
Python深度学习:安装Anaconda、PyTorch(GPU版)库与PyCharm
Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2
Pycharm连接远程GPU服务器跑深度学习
04 数据操作 + 数据预处理【动手学深度学习v2】
最新深度学习环境配置教程Anaconda+pytorch(GPU或CPU)+pycharm或vscode
05 线性代数【动手学深度学习v2】
66 使用注意力机制的seq2seq【动手学深度学习v2】
36 数据增广【动手学深度学习v2】
2023 中旬深度学习中端显卡推荐
16 PyTorch 神经网络基础【动手学深度学习v2】
33 单机多卡并行【动手学深度学习v2】
64 注意力机制【动手学深度学习v2】
GPU与CPU的区别,初步了解GPU的工作原理
深度学习如何选购GPU?2023年选择什么型号?为什么?
19 卷积层【动手学深度学习v2】
08 线性回归 + 基础优化算法【动手学深度学习v2】
33、完整讲解PyTorch多GPU分布式训练代码编写
如何使用AMD显卡在ROCm平台上优雅地训练RVC模型Part 1
深度学习方向研究生电脑选择|MacBook Pro 16 M1开箱+使用体验|对比RTX3090训练模型|Pytorch|Tensorflow
13 丢弃法【动手学深度学习v2】
《PyTorch深度学习实践》完结合集