问题标签 [tesla]

我将 Tesla K80 用于 tensorflow 的深度学习目的，它的工作原理与预期一样。但是，我想知道是否可以将 Tesla K80 用作具有 24 GB VRAM 统一内存的单个 GPU，而不是默认情况下具有 12 GB VRAM 离散内存的两个“独立”GPU？

我认为这应该是可能的，因为例如，在 Blender 中就存在这样做的选项。我的用例是在 tensorflow 中为深度神经网络的学习过程执行此操作。我已经做了一些研究，找不到任何建议。

那可能吗？如果是这样，人们将如何实现这一目标？

我找到了要连接的设备的正确蓝牙地址。当我运行下面的代码时，它会打印“连接到设备...”，但随后挂起并且从不打印“已连接”或完成运行。没有错误被抛出。

这个问题与我的 PC 软件/驱动程序有关吗？我在一台运行 Windows 11 的联想笔记本电脑上。

或者，某些设备不会响应简单的“连接请求”吗？我要连接的设备是特斯拉 Model 3，我知道我应该发送一组特定的数据进行身份验证。如果是这种情况，我如何在不BleakClient以这种方式连接的情况下发送数据？

更新：我应该提到扫描/发现设备通过 Bleak 工作得很好。而且，我尝试通过 Bleak 连接到其他设备，并发生了同样的问题。不过，通过 Windows 设置应用程序的蓝牙工作正常。

我试图了解 CUDA 统一内存的功能。我已经阅读了针对初学者的关于 CUDA 统一内存的博客。我写了下面给出的代码：

输出：

我在提供 16 GB Tesla P100 PCIe GPU 的 Kaggle 上运行代码。x我有一个使用分配的整数数组cudaMallocManaged()。首先，我在 GPU 中预取数组并对其进行一些处理，然后将其预取到 CPU 并进行一些处理。在这两者之间，我打印了内存传输前后 GPU 上可用的空闲内存。基于此，我有两个问题：

1. 在空闲内存减少后cudaMallocManaged()的第一次预取期间，比我分配的要多得多。为什么？

2. 预取到 CPU 前后的空闲内存是一样的。此外，当我访问和修改 CPU 上的数组时，GPU 上的可用内存在此之前和之后仍然保持不变。我不明白为什么会这样。在预取/处理 CPU 上的统一内存位置时，GPU 上的相应页面不应该被驱逐并移动到 CPU，这不应该释放 GPU 内存吗？

如果该点在零件边界内，则算法应返回零件编号。否则，算法应该返回 0。