tag cpu

標籤
貢獻25
112
05:54 PM · Oct 25 ,2025
chaoshenjinghyperai 頭像 yqyx36 頭像 u_16060192 頭像 zijie1024 頭像 jdcdevloper 頭像 openanolis 頭像 shimiandeliejiu 頭像 tantudafangde_brcydm 頭像 wanshoujidekafei 頭像 phytium_developers 頭像 vistart 頭像 u_16099253 頭像

@cpu / 博客 RSS 訂閱

xiaoyuanzi_684fc889243cb 頭像

程序元元 - 模型被擠了？立即查看服務器GPU/CPU佔用，別再誤殺他人進程！

昨天晚上跑的模型今天來一看別別人kill了 心累 更讓人鬱悶的是，你後來才發現，原來有些人根本不會先看服務器是不是空着。 但抱怨歸抱怨，作為一名有素質的“共享玩家”，學會在自己跑模型前，先看看服務器上有沒有別人在跑，以及如何友好地處理資源衝突，這應該是所有人應該最先學習的！ 【重要忠告⚠️】核心原則：千萬不要直接 Kill 別人的進程！這是共享服務器的基本素養，請務必牢記。 那到底該怎麼看服務器的

gpu , linux命令 , 服務器管理 , cpu

收藏 評論

spxingzhe 頭像

藍色瞳仁 - linux性能分析篇之cpu、io

1. 工具介紹 vmstat 選用vmstat原因：大多數的發行版基本都有此命令，但是procinfo，pidstat，mpstat等命令是沒有的。 [root@cubblestone ~]# vmstat 1 3 procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd fr

性能分析 , Linux , io , cpu

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 從結合式異構加速到融合式 AI 加速，多位院士齊聚CCF HPC China共探科研新範式

在現代科學研究中，高性能計算（HPC）已成為推動重大突破的核心引擎，其以遠超常規計算機的算力，為科學家提供了探索未知世界的「放大鏡」和「加速器」。從模擬宇宙演化、預測氣候變化，到揭示生命分子的運作機制、加速新藥研發，HPC 正不斷拓展人類認知的邊界。 尤其在數據爆炸與人工智能快速發展的時代，AI for Science 發展提速，在很多科研領域，AI 仍存在精度不足、泛化能力弱、通用性不強等問題，

gpu , ai開發 , 人工智能 , 高性能計算 , cpu

收藏 評論

baidujiagoushi 頭像

百度Geek説 - 多元 CPU 性能調優的技術挑戰、產品設計和業務實踐

本文整理自 2024 年 4 月 QCon 全球軟件開發大會（北京站） 性能優化專題的同名主題分享。 當前數據中心的服務器中部署着各類 CPU（Intel/AMD/Ampere 等），這些平台的差異，使得運行在上面的程序無法保證始終運行在最佳狀態，成為了提升業務效能的一大阻礙。 CPU 性能調優，這不僅要求工程師對各個平台有着深入的理解，同時需要掌握各類性能分析工具和方法，並依據得到的觀測數據，綜

百度 , cpu

收藏 評論

leancloud 頭像

LeanCloud - 內存屏障及其在-JVM 內的應用（上）

作者：LeanCloud 後端高級工程師 郭瑞 內容分享視頻版本: 內存屏障及其在-JVM-內的應用 MESI MESI 的詞條在這裏：MESI protocol - Wikipedia，它是一種緩存一致性維護協議。MESI 表示 Cache Line 的四種狀態，modified, exclusive, shared, invalid。 modified：CPU 擁有該 Cache Line

jvm , 緩存 , 內存屏障 , leancloud , cpu

收藏 評論

writers 頭像

思否編輯部 - AI推理硬件選型指南：CPU 與 GPU 的抉擇

AI基礎設施的建設不應追逐硬件潮流，而在於為任務選擇最合適的工具。 Akamai全球分佈式邊緣網絡能獨特地為實時應用提供可擴展、高性價比的AI推理服務。通過對CPU的戰略性使用，Akamai進一步降低了多種推理工作負載的成本與能耗，且無需犧牲性能。 如您所在的企業正在考慮構建和部署 AI 賦能應用程序，或您正在尋找合適的 AI 推理運行環境 點擊鏈接瞭解 Akamai AI 推理雲解決方案，

資訊 , gpu , 人工智能 , ai芯片 , cpu

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【vLLM 學習】Reproduciblity

vLLM 是一款專為大語言模型推理加速而設計的框架，實現了 KV 緩存內存幾乎零浪費，解決了內存管理瓶頸問題。 更多 vLLM 中文文檔及教程可訪問 →vllm.hyper.ai/ *在線運行 vLLM 入門教程：零基礎分步指南 源碼 examples/offline_inference/reproduciblity.py # SPDX-License-Identifie

vLLM , gpu , 人工智能 , 深度學習 , cpu

收藏 評論

huogewoziceshixueyuan 頭像

霍格沃茲測試學院 - 性能分析系統級別指標詳解：IO、CPU、內存和網絡

前言 在性能測試和系統監控中，瞭解和分析系統級別的關鍵性能指標是至關重要的。這些指標包括 I/O、CPU、內存和網絡，它們共同決定了系統的整體性能和穩定性。本文將詳細介紹這些關鍵性能指標的定義、測量方法及其在性能分析中的應用。 CPU 性能指標 1.1 CPU 使用率 (CPU Usage) 定義：CPU 使用率表示 CPU 在特定時間內執行用户進程、系統進程和空閒進程的百分比。主要分為用户態 (

性能測試 , 測試開發 , cpu

收藏 評論

dewujishu 頭像

得物技術 - 從CPU冒煙到絲滑體驗：算法SRE性能優化實戰全揭秘｜得物技術

一、引言 在算法工程中，大家一般關注四大核心維度：穩定、成本、效果、性能。 其中，性能尤為關鍵——它既能提升系統穩定性，又能降低成本、優化效果。因此，工程團隊將微秒級的性能優化作為核心攻堅方向。 本文將結合具體案例，分享算法SRE在日常性能優化中的寶貴經驗，助力更多同學在實踐中優化系統性能、實現業務價值最大化。 二、給浮點轉換降温 算法工程的核心是排序，而排序離不開特徵。特徵大多是浮點數，必然伴隨

cpu

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】triton_language.join

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ triton.language.join(a, b) 在 1 個新的次要維度中連接給定的張量。 For example, given

算法 , gpu , 編譯器 , cpu , Python

收藏 評論

reqingdeliangcha_dkdki 頭像

熱情的涼茶_DKdkI - 解決緩存偽共享問題經驗分享

解決緩存偽共享問題的經驗分享 緩存偽共享（False Sharing） 是多線程編程中因CPU緩存行（Cache Line）共享導致的性能問題。當不同線程操作同一緩存行中的不同變量時，即使變量邏輯獨立，緩存行頻繁失效仍會導致性能下降。 核心原因 緩存行機制：CPU以緩存行（通常64字節）為單位讀寫內存，多個變量若連續存放於同一緩存行，多線程修改會觸發緩存一致性協議（如MESI），導致無效化與重

cpu

收藏 評論

jdcdevloper 頭像

京東雲開發者 - 文盤Rust -- tokio綁定cpu實踐 | 京東雲技術團隊

tokio 是 rust 生態中流行的異步運行時框架。在實際生產中我們如果希望 tokio 應用程序與特定的 cpu core 綁定該怎麼處理呢？這次我們來聊聊這個話題。 首先我們先寫一段簡單的多任務程序。 use tokio::runtime; pub fn main() { let rt = runtime::Builder::new_multi_thread() .e

rust , 異步 , cpu

收藏 評論

jdcdevloper 頭像

京東雲開發者 - log4j2同步日誌引發的性能問題 | 京東物流技術團隊

1 問題回顧 1.1 問題描述 在項目的性能測試中，相關的接口的隨着併發數增加，接口的響應時間變長，接口吞吐不再增長，應用的CPU使用率較高。 1.2 分析思路 誰導致的CPU較高，阻塞接口TPS的增長？接口的響應時間的調用鏈分佈是什麼樣的，有沒有慢的點？ 1）使用火焰圖分析應用的CPU如下，其中log4j2日誌佔了40%左右CPU，初步懷疑是log4j2的問題。 2）調用鏈的分析 通過pfin

性能優化 , log4j2 , 性能 , cpu

收藏 評論

guangmingleiluodetouyingyi_bccdlf 頭像

光明磊落的投影儀 - Linux使用cpulimit對CPU使用率進行限制

介紹 cpulimit是一款可以對CPU使用率進行限制的軟件，既可限制單個特定程序，也可以對整個CPU使用率進行限制，安裝使用都很方便，需要的朋友可以試試。 源安裝（推薦） Centos： yum install cpulimit Debian / Ubuntu： apt-get install -y cpulimit 編譯安裝 cd /tmp wget 'https://www.02405.co

雲服務器 , linux運維 , cpu

收藏 評論

anjingdexiaoyanyao_ciaxxr 頭像

xcmd - x-cmd install | cpufetch - 輕量強大的高顏值 CPU 信息工具，型號/架構/頻率一目瞭然！

想知道你的電腦 CPU 到底是什麼型號？性能如何？架構如何？還在用複雜的命令苦苦查詢嗎？現在，有了 cpufetch，一切都變得簡單而優雅！ 告別繁瑣，一鍵獲取 CPU 核心信息 cpufetch 是一款命令行 CPU 信息獲取工具，它能以簡潔美觀的方式，在終端中展示你的 CPU 架構信息。無論你是技術大牛還是電腦小白，都能輕鬆上手，快速瞭解你的 CPU： 核心參數，一目瞭然： CPU 型號

性能監控 , 命令行 , 終端 , cpu

收藏 評論

vistart 頭像

vistart - 現代編譯器條件賦值優化：跨架構彙編分析

引言 在現代C/C++開發中，開發者經常面臨一個問題：if-else條件賦值與三元運算符在性能上是否存在差異？本文深入分析了最新版Clang和GCC編譯器在不同架構平台上的優化行為，通過彙編代碼對比揭示編譯器優化的本質。 驗證結果解讀 預期的彙編輸出 ARM64平台 (Apple Silicon) 優化前 (-O0) - 包含分支跳轉： conditional_assignment_if_else

asm , 編譯器 , 條件表達式 , 優化 , cpu

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】triton_language.broadcast_to

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ triton.language.broadcast_to(input, *shape) 嘗試將給定的張量廣播到新的shape。 參數：

編輯器 , 算法 , 編程語言 , cpu , Python

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】triton_language.expand_dims

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →https://triton.hyper.ai/ triton.language.expand_dims(input, axis) 通過插入新的長度為 1 的維度來擴展張量的形狀。 軸

函數調用 , 索引 , 編譯器 , cpu , Python

收藏 評論

u_16060192 頭像

HyperAI超神經 - 【Triton 教程】triton_language.make_block_ptr

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN 計算內核，並能夠在現代 GPU 硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →triton.hyper.ai/ triton.language.make_block_ptr(base: tensor, shape, strides, offse

編程器 , Triton , gpu , 編程語言 , 人工智能 , 深度學習 , cpu

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【Triton 教程】triton_language.make_block_ptr

Triton 是一種用於並行編程的語言和編譯器。它旨在提供一個基於 Python 的編程環境，以高效編寫自定義 DNN計算內核，並能夠在現代 GPU硬件上以最大吞吐量運行。 更多 Triton 中文文檔可訪問 →triton.hyper.ai/ triton.language.make_block_ptr(base: tensor, shape, strides, offsets, block_s

算法 , gpu , 編譯器 , cpu , Python

收藏 評論

openanolis 頭像

龍蜥社區 - 龍蜥白皮書精選：龍蜥全面支持 Intel 第四代可擴展處理器 SPR 平台

文/尚旭春 Intel Sapphire Rapids(簡稱SPR)即第四代至強可擴展處理器，是 Intel 承上啓下的一代產品。新引入增強指令、硬件加速器、 AMX 矩陣計算、SGX 機密計算、Scalable IOV、PCIe 5.0、CXL1.1 協議，涵蓋了計算、安全、I/O 及虛擬化方面的眾多技術升級和增強。 龍蜥社區對 Intel 平台的支持一直領先於業界，緊隨 Intel 研發節奏，

芯片 , 擴展 , intel , 操作系統 , cpu

收藏 評論

yqyx36 頭像

雲輕雨細 - 服務器核心組件：CPU 與 GPU 的核心區別、應用場景、協同工作

前言 在服務器硬件裏，CPU和GPU就像兩位各司其職的“核心工匠”：一個擅長處理複雜精密的“細活”，一個精通批量高效的“粗活”。很多人知道它們都是“計算引擎”，卻分不清什麼時候該用誰、二者到底差在哪。今天就帶大家搞懂服務器中CPU與GPU的核心區別，以及它們如何聯手幹活。 一、先搞懂基本概念：CPU和GPU分別是“幹什麼的”？ 想分清二者的區別，得先知道它們的“本職工作”——就像認識兩個人，先了解

服務器配置 , gpu , cpu

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】為 x86 CPU 自動調優卷積網絡

Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 作者：Yao Wang, Eddie Yan 本文介紹如何為 x86 CPU 調優卷積神經網絡。 注意，本教程不會在 Windows 或最新版本的 macOS 上運行。如需運行，請將本教程的主體放在 if name == "

gpu , 人工智能 , 編譯器 , 深度學習 , cpu

收藏 評論

chaoshenjinghyperai 頭像

超神經HyperAI - 【TVM 教程】向 TVM 中添加 Codegen

Apache TVM 是一個深度的深度學習編譯框架，適用於 CPU、GPU 和各種機器學習加速芯片。更多 TVM 中文文檔可訪問 →https://tvm.hyper.ai/ 隨着深度學習工作負載所針對的硬件設備數量不斷增加，用户在各種設備上實現高性能所需的知識也在不斷增加。為了讓數據科學家在開發新模型時不必擔心性能問題，硬件廠商或是基於一些常見的深度學習算子，提供 MKLDNN 或 cuDNN

算法 , gpu , 代碼編輯器 , cpu , Python

收藏 評論