电商网站设计素材,做亚马逊跨境电商赚钱吗,苏州做网站的哪个公司比较好,抖音代运营mcn简介#xff1a;在Windows操作系统中#xff0c;没有与Linux中watch命令直接对应的内置工具#xff0c;但有1种方法快速简单的方法可以实现类似的效果#xff0c;尤其是用于监控类似于nvidia-smi的命令输出。
历史攻略#xff1a;
Python#xff1a;查看windows下GPU的…简介在Windows操作系统中没有与Linux中watch命令直接对应的内置工具但有1种方法快速简单的方法可以实现类似的效果尤其是用于监控类似于nvidia-smi的命令输出。
历史攻略
Python查看windows下GPU的使用情况、利用率
watch超实用Linux命令实战
Win10安装CUDA、cuDNN环境
深度学习win10安装TensorFlow
深度学习-tensorflow202 - 训练、验证MNIST数据集
PowerShell 脚本在Windows的PowerShell中你可以编写一个简单的循环脚本来定期执行命令并刷新输出。例如要模拟watch -n 1 nvidia-smi的效果。
while ($true) { cls; nvidia-smi; Start-Sleep -Seconds 1 }上面的命令执行了以下操作
while ($true) { … }创建了一个无限循环。cls;清除屏幕。nvidia-smi;运行nvidia-smi命令以显示NVIDIA GPU的状态。Start-Sleep -Seconds 1暂停执行1秒。
运行tf案例
# -*- coding: utf-8 -*-
# time: 2024/01/02 11:07
# file: save.py
# 公众号: 玩转测试开发
import tensorflow as tfclass TestMnist(object):def __init__(self):mnist tf.keras.datasets.mnist # 将样本从整数转换为浮点数(self.x_train, self.y_train), (self.x_test, self.y_test) mnist.load_data()self.x_train, self.x_test self.x_train / 255.0, self.x_test / 255.0# 将模型的各层堆叠起来以搭建 tf.keras.Sequential 模型。为训练选择优化器和损失函数self.model tf.keras.models.Sequential([tf.keras.layers.Flatten(input_shape(28, 28)),tf.keras.layers.Dense(128, activationrelu),tf.keras.layers.Dropout(0.2),tf.keras.layers.Dense(10, activationsoftmax)])def train(self):self.model.compile(optimizeradam, losssparse_categorical_crossentropy, metrics[accuracy])self.model.fit(self.x_train, self.y_train, epochs10) # 训练并验证模型def test(self):self.model.evaluate(self.x_test, self.y_test, verbose2)if __name__ __main__:tm TestMnist()tm.train()tm.test()运行结果 中断运行按CtrlC来中断
