首页 > TAG信息列表 > Kernel

转置卷积

一. 基本操作 不同于一般的卷积做的是多个元素->1个元素，转置卷积是从1个元素到多个元素 二. 填充、步幅和多通道 1. 填充 常规卷积中padding是在输入的外圈添加元素，转置卷积中的padding则是在输出中删除外圈的元素 x = torch.tensor([[0.0, 1.0], [2.0, 3.0]]) x = x.reshape(1

android 功耗功耗分析方法和优化-1 (转)

1、底电流调试（Rock Bottom Current Optimization）底电流在手机飞行模式下调试。每个平台的底电流数据可能不一样，具体可以参考release出来的Current Consumption Data文档或者release note。一般情况下的底电流参考数据上限是： 底电流在手机飞行模式下调试。每个平台的底电流数据可能

Android 功耗---高通功耗问题分析方法--2 （转）

本文结合该文档简单的总结了AP端功耗问题分析手段。 首先是官方功耗分析流程图：       注意几个关键的名词： Modem 调制解调器芯片 RPM  Resource Power Manager是高通MSM平台另外加的一块芯片，控制整个电源相关的shared resources APSS 应用处理器子系统，就是平常我们说的AP 功

Windows 11 下 Virtualbox 6.1.34 出现 End kernel panic - not syncing: attempted to kill the idle task

前言小半年没用 Virtualbox 了，切换到了 VMware，今天又切换回去（无聊），但是安装虚拟机出现这个错误。 解决方法根据 Virtualbox 论坛的讨论[1]和[2]，首先明确 系统必须关闭了 Windows 自带的 Hyper-v 虚拟化而且之后重启了CPU 必须开启虚拟化支持我们要做的也很简单，我们先调大虚拟机的 C

【kernel】vmalloc和kmalloc以及malloc

kmalloc，相当于kernel在访问硬件寄存器的时候，申请的内存，无论是物理还是虚拟地址空间都必须是连序的 vmalloc，虚拟连序，但物理地址上并不连序，vmalloc效率较低，因为要另外建立页表项，映射虚拟地址与物理地址 vmalloc一般在申请大内存的时候才会使用

linux问题

问题:PTY allocation request failed on channel 0 当pty个数不够时候会弹出这个错误 # 1.列出最大伪终端数 cat /proc/sys/kernel/pty/max # 2.增加最大伪终端数 (PTY) sudo vi /etc/sysctl.conf # 3.设置最大个数,我这里测试了一下5个 # kernel.pty.max = 5120 kernel.pty.m

Linux内核参数-共享内存

在数据库配置过程中经常会遇到系统内核参数配置，而其中比较关键的有关于共享内存参数的配置 首先解释几个定义 共享内存共享内存，顾名思义即系统中两个或多个进程可以共同访问的内存区域，数据库一般使用共享内存来存储热数据，多个进程可以访问相同的内存数据，尽量避免磁盘IO，提升性能。

GPU A10 driver 安装

GPU A10 driver 安装 环境 HOST: ubuntu804LTS GUST: 通过PCIE 透卡， KVM 虚拟机: ubuntu1804LTS 在gust 里面安装GPU driver 安装 步骤 NVIDIA Telsa GPU 的 Linux 驱动在安装过程中需要编译 kernel module，系统需提前安装 gcc 和编译 Linux Kernel Module 所依赖的包，例如 kernel

Linux Kernel TCP/IP Stack|Linux网络硬核系列

   介绍Linux网络技术中最核心的部分--TCP/IP协议栈 。 我们先看一下抽象的网络协议栈模型    再按分层思想看Linux内核协议栈实现框架    1. socket layer    socket框架     socket系统调用（socket，bind，listen，accept，send，recv等） BSD socket API 协议栈sock抽

Linux Kernel in a Nutshell - 7

Customizing a Kernel 原文链接 我的博客 以·问题·做关键字搜索，还有问题 构建你自己的 Linux 内核版本最困难的部分，应该就是确定哪一个驱动以及配置选项是你的设备需要的。本章将会手把手带你查找选择合适的驱动。 Using a Distribution Kernel 一个最简单确定需要模块的方法之

Linux Kernel in a Nutshell - 8

Kernel Configuration Recipes 原文链接 我的博客 前面介绍了重新配置内核的机制，本章介绍制作自己的内核通常会遇到的那些问题，并给出对应指令来处理它。 Disks Linux 内核支持宽泛的盘类型。本节将展示如何配置内核，让其支持大多数常见类型的盘控制器。 USB Storage 为了使用 USB

深度学习：卷积神经网络（下）【一些经典的神经网络模型】

1、深度卷积神经网络（AlexNet）

[CentOS7]更换内核

1. 添加repo库 yum -y install https://www.elrepo.org/elrepo-release-7.el7.elrepo.noarch.rpm 2. 导入签名 rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org 3. 差看长期支持版本 [root@localhost ~]# yum --disablerepo="*" --enablerepo="elrepo-kernel&q

CentOS7 内核升级

CentOS7 内核升级   背景：修复服务器内核漏洞 当安装了一个发行版，它包含了一个特定版本的内核，如下这台服务器内核则为：Linux 3.10.0-1160.el7.x86_64 # uname -sr Linux 3.10.0-1160.el7.x86_64 内核升级操作步骤如下： 安装elrepo# 载入公钥，安装eprepo源（网址：http://elrepo.org/

编写一个简单的linux kernel rootkit

一、前言 linux kernel rootkit跟普通的应用层rootkit个人感觉不大，个人感觉区别在于一个运行在用户空间中，一个运行在内核空间中；另一个则是编写时调用的API跟应用层rootkit不同 一个最简单的linux kernel rootkit就是一个linux kernel module PS：如有错误，请斧正 二、环境 内核版本：5

TVM:解析TVM算子

在对[TVM:编译流程]一文中，从ONNX模型中读取模型并转换为relay IR，其中调用_convert_operator函数关于将onnx算子转换成Relay算子，其中如何实现当时直接跳过去了，本节将以卷积算子为例，看下Relay表达式是如何转换为TOPI算子并结合TVM的scheduler在后端上运行的 Relay卷积算子的转换过程

TVM:Relay算子实现流程

转载：https://blog.csdn.net/zx_ros/article/details/123526147 自定义算子的步骤： 1.定义算子属性节点 2.编写算子的输入输出类型推导关系函数 3.使用RELAY_REGISTER_OP宏注册算子 4.实现算子的compute函数 5.注册算子的compute函数和调度schedule 6.实现算子调用时生成call node的

GPU-CUDA-图形渲染分析

GPU-CUDA-图形渲染分析 参考文献链接 https://mp.weixin.qq.com/s/dnoqPxEt_XEhVaW_aAfrnQ https://mp.weixin.qq.com/s/1NumM2PRTqW-HIfQRlUu8A https://mp.weixin.qq.com/s/d8Dq0YmjHpsoCchy8y4B2g https://mp.weixin.qq.com/s/5JorA1BJXgeftzrqItJV9g https://mp.weixin.qq.com

arm开发板，根文件系统挂载失败

把nfs版本改为3 修改nfs配置文件 /etc/default/nfs-kernel-server,在文件末尾加入一句：RPCNFSDOPTS="--nfs-version 2,3,4 --debug --syslog" 如果kernel版本较高支持nfs协议3的话，可以在Uboot传到Kernel的bootargs参数中加入'nfsvers=3',使kernel使用nfs协议3 这样做好像不管用， ---

Centos8安装nvidia驱动

 Centos8安装nvidia驱动 1. 查看显卡型号 lspci | grep-i nvidia 或者 lspci -vnn | grep VGA 2. 前往nvidia官网下载对应驱动 NVIDIA 驱动官方下载网址 下载得到 NVIDIA-Linux-x86_64***.**.run，然后放在一个全英文路径文件夹里，比如先在～中创建nvidia，把.run文件放进去 3. 输入 ini

docker中安装Nsight,分析cuda计算对GPU的利用效率

    最近刚开始接触CUDA，性能分析的时候免不了要使用Nsight工具，docker中又没有安装，就需要在自己的环境中配置了。 1. 运行docker   2. NSight安装准备 官方对Nsight的支持文档中，需要执行deviceQuery命令确定系统上的CUDA驱动程序和运行时版本，Ubuntu系统的deviceQuery在： cd /usr

docker machine安装极狐gitlab

1. 环境信息 1.1 主机信息 主机 用途 10.10.10.60 极狐gitlab 1.2 配置信息 [root@localhost ~]# cat /etc/centos-release CentOS Linux release 7.9.2009 (Core) [root@localhost ~]# [root@localhost ~]# uname -r 3.10.0-1160.el7.x86_64 [root@localhost ~]# [ro

MindSpore报错 Select GPU kernel op * fail! Incompatible data type

1 报错描述 1.1 系统环境 Hardware Environment(Ascend/GPU/CPU): GPUSoftware Environment:– MindSpore version (source or binary): 1.5.2– Python version (e.g., Python 3.7.5): 3.7.6– OS platform and distribution (e.g., Linux Ubuntu 16.04): Ubuntu 4.15.0-74-gener

Linux-grub

grub 功能和组成 bootloader: 引导加载器，引导程序 Windows: ntloader，仅是启动OS Linux：功能丰富，提供菜单，允许用户选择要启动系统或不同的内核版本；把用户选定的内核装载到内存中的特定空间中，解压、展开，并把系统控制权移交给内核 Linux的bootloader LILO：LInux LOader，早期的bootloa

树莓派linux kernel 添加menuconfig菜单选项和编译

https://www.bilibili.com/video/av91990721?zwbcmrpi_defconfig 打开顶层目录下的 Makefile,搜索 %config 找到如下内容: # =========================================================================== 521 # *config targets only - make sure prerequisites are updated,