基于 WSL2 和 Docker 的深度学习环境指北

Docker 指北 炼丹 为什么要使用 WSL2 和 Docker 来管理深度学习环境?本教程的配置方法旨在日常使用的 Windows 机器上建立 CUDA 加速的深度学习环境,以便进行快速的调试与开发代码,而无需忍受连接到远程服务器的延迟。许多的深度学习库不能在 Windows 上开箱即用(尽管许多库只需少量的代码修改即可兼容 Windows 和 MSVC),或者在 Windows 上难以...

发布于 技术

在 VSCode 上使用 CMake 开发 STM32CubeMX 项目

stm32 指北 cmake vscode 本文提供了一种在 VSCode 上基于 CMake 开发 STM32CubeMX 项目的方案,配置了 Clangd 以获得更好的静态检查,并使用 Ninja 加快编译速度。本文的 CMake 配置文件能从 STM32CubeMX 生成的 Makefile 中读取编译参数,能自动同步 CubeMX 中的更改,也能在 CubeMX 重新生成项目时保留自...

发布于 技术

使用 CMake 构建 PyTorch 和 Numpy C++ 拓展

指北 cmake PyTorch Python 炼丹 vscode 使用 CMake 构建 PyTorch 和 Numpy C++ 拓展能适应更复杂的项目并使用灵活的编译选项. 然而, 许多互联网上的教程中的方法已经不能在较新版本的 PyTorch 和 CMake 使用. 本文介绍了几种作者在近期测试成功的使用 CMake 构建 PyTorch 和 Numpy 拓展的方案. 需要注意的是, 许多 CMake 配置文件都包含了对某个依赖历史版本的问题引入的 Workaround, 不能在新版本正常工作, 本文所述的方法也有极大概率无法在将来工作.

发布于 技术