- 综合排序
- 最热优先
- 最新优先
《URP管线主导的角色材质、阴影与显存动态适配优化方案》
这一困境让我深刻认识到，URP优化绝非参数微调的表层工作，而是需深入管线底层架构，打通Shader编译、光照计算、粒子渲染与显存调度的全链路，实现多模块协同适配移动硬件特性，在保证角色皮肤次表面散射、衣物布料纹理 优化后，单角色显存占用最终降至8MB，同屏200个角色时显存占用稳定在1.4GB以内，完全适配移动端硬件限制，闪退率从12%降至0.3%，仅在极少数极端场景（同屏250+角色）出现偶发闪退，基本不影响核心体验 为此，我们构建“管线状态监控与动态适配”系统，通过Unreal Stat Render与NVIDIA Nsight Mobile工具，实时捕获CPU/GPU耗时、显存占用、Draw Call数量、Overdraw 最终，项目在中高端Android机型（骁龙870及以上）上实现帧率稳定60帧，波动不超过3帧，角色皮肤的次表面散射效果、衣物的布料纹理细节、动态阴影的边缘过渡、技能粒子的视觉冲击均得到完整保留，玩家测试中 ，要解决模块间的适配冲突。
35210编辑于 2025-10-30- 来自专栏JNing的专栏
监视显存
监视显存使用情况 watch [options] command 每10秒更新一次显存使用情况 watch -n 10 nvidia-smi ---- ----
1.3K30发布于 2018-09-28 Torch 中显存回收节省显存的方法
在进行模型推理时，需要考虑如何有效地利用和管理GPU显存。以下总结了常用的节省显存的方法。 将变量从显存释放 1. with torch.no_grad(): output = model(input) 3. 这样可以更有效地利用显存，因为一些显存是用来存储模型的参数和中间结果的，而这些显存的使用量通常不会随着批量大小的增加而增加。 将模型和数据移动到CPU内存：如果你的模型和数据都在GPU显存中，那么你可以考虑在完成推理后将它们移动到CPU内存，以释放显存。 这是因为PyTorch使用了一种称为"缓存分配器"的机制来管理显存，这种机制可以减少显存的分配和释放操作，从而提高效率。
1.9K10编辑于 2024-07-01- 来自专栏大模型应用
大模型应用：中小显存适配方案：大模型微调底座选型指标与应用实现.52
市面上大模型底座繁多，参数量从3B到70B不等，架构、预训练数据、生态支持差异显著，盲目追求大参数量模型往往导致设备适配失败。 若为垂直场景，需确认模型对专业术语的适配能力。3. 架构适配是基础，Encoder-only架构（如BERT）擅长文本理解，生成连贯文本能力极弱，需直接排除。2. 3. 第三步：候选底座初筛验证结合硬件约束，筛选出2-3个候选底座，通过简单代码测试加载效果与原生生成质量，排除适配性不足的模型。 2.3 适配模型与规避说明适配：ChatGLM-6B的INT4量化版是8G显存的黄金搭档；若拥有更高12G显存，则可考虑Qwen-13B。 ）达标（INT4量化、8G显存可加载）达标（社区活跃、非商用免费）排除3.
44932编辑于 2026-03-21 - 来自专栏深度学习那些事儿
再次浅谈Pytorch中的显存利用问题(附完善显存跟踪代码)
前言 之前在浅谈深度学习:如何计算模型以及中间变量的显存占用大小和如何在Pytorch中精细化利用显存中我们已经谈论过了平时使用中显存的占用来自于哪里，以及如何在Pytorch中更好地使用显存。 在这篇文章中，我们借用Pytorch-Memory-Utils这个工具来检测我们在训练过程中关于显存的变化情况，分析出我们如何正确释放多余的显存。 如何去释放不需要的显存。 首先，我们在下段代码中导入我们需要的库，随后开始我们的显存检测程序。 占用大，我们暂时将次归结为Pytorch在开始运行程序时需要额外的显存开销，这种额外的显存开销与我们实际使用的模型权重显存大小无关。 其实原因很简单，除了在程序运行时的一些额外显存开销，另外一个占用显存的东西就是我们在计算时候的临时缓冲值，这些零零总总也会占用一部分显存，并且这些缓冲值通过Python的垃圾收集是收集不到的。
2.4K50编辑于 2023-10-19 - 来自专栏活动
显存优化黑科技：DeepSeek ZeRO-3 改进策略全解析
从 ZeRO-1 到 ZeRO-3，每一代技术都在前代基础上改进拓展，不断提升模型训练的显存效率和并行性能。 DeepSeek ZeRO-3 的创新突破DeepSeek ZeRO-3 继承前代优势，引入创新改进策略，在大规模模型训练中更有效利用显存资源，降低通信开销，提升整体训练效率。 三、DeepSeek ZeRO-3 改进策略详解（一）张量分解优化DeepSeek ZeRO-3 在张量分解方面深入优化，将大型张量分解成小子张量，合理分配到不同 GPU 上，显著降低每个 GPU 显存占用 DeepSeek ZeRO-3 包装模型，启用显存优化功能，设置相关参数：# 初始化 DeepSeek ZeRO-3zero_config = { 'optimizer': 'adam', # 使用 DeepSeek ZeRO-3 的张量分解优化策略，可将 ViT 模型分割到多个 GPU 上计算，降低显存需求。
88210编辑于 2025-03-28 - 来自专栏AIUAI
GPU 显存 - Caffe 内存优化
Caffe - 显存优化 1. 测试了一下, ResNet101 相对于官方 caffe, 能够明显节省显存占用, batchsize 可以增加很多. 显存优化的 Caffe 主要实现的功能: memory multiloading 在深度网络训练和测试时,可以显著地节省内存. 训练时,节省一半内存; 测试时, 使用 95% 的内存. 在训练深度网络时, GPU显存资源是有限的.
2.8K60发布于 2018-05-17 - 来自专栏JNing的专栏
【tensorflow】设置显存开销
问题 一般大家在跑tf时，单个程序往往会占满整块GPU的所有显存。 但是实际上，程序很可能并不需要那么大的显存空间。 改进方案 通过 tf.ConfigProto().gpu_options.allow_growth=True来告诉程序，只需占用实际所需的显存即可： # ---------------- session True sess = tf.Session(config=config) 如果这里把 config.gpu_options.allow_growth设置为False，那么程序就会默认把整块卡的所有显存占满
1.2K10发布于 2020-03-17 - 来自专栏python3
springmvc3个适配器
SimpleControllerHandlerAdapter public class SimpleControllerHandlerAdapter implements HandlerAdapter { @Override public boolean supports(Object handler) { return (handler instanceof Controller); } @Override public ModelAndView h
37610发布于 2020-01-14 - 来自专栏用户7873631的专栏
适配器模式（javascript版）3
//适配器模式(不同的) //思想：因为旧接口不兼容啊所以须要适配器适配一下，兼容才能插到里面 //先写两个类。 一个适配允许通常因为接口不兼容而不能在一起工作的类工作在一起，做法是将类自己的接口包裹在一个已存在的类中。 所以需要适配器，这个适配器的功能是有两个，第一个是适配我的中国的插头，另一边对应着德国的插槽所需要的插头. 你们可能有一个问题？ x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODA1ODMy x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODA1ODMy
36220发布于 2020-10-28 - 来自专栏CSDNToQQCode
win11怎么看显存——win11如何看显存
显存查看方法1、 1、快捷键【Ctrl+Shift+ESC】打开【任务管理器】 2、点击左侧的性能 显存查看方法2、 在Windows 11在Windows 11中查看显存的方法如下： 1 3、在显示设置下，点击“相关设置”中的“高级显示”（显示器信息、刷新率）。 在“高级显示”设置窗口中，点击“显示器1的显示适配器属性”。 在显卡属性窗口中，适配器下，就可以查看显存信息。 显存查看方法3、 此外，还可以使用DirectX诊断工具来查看显存。 在“显示”选项卡中，找到“显存”一项，即可查看显存信息。 以上两种方法都可以帮助您在Windows 11中查看显存信息。如果还有其他问题，欢迎随时提问。 显存对AI的重要意义 显存是显卡中存储图像数据的关键组成部分，对AI具有重要意义，主要体现在： 显存决定了计算机在处理图像时能够存储和操作的数据量大小。
17.7K11编辑于 2023-11-29 - 来自专栏非典型技术宅
iOS屏幕适配概述1 屏幕适配简介2 Autoresizing3 Auto Layout
直接使用 frame 计算控件的位置 特点：程序中存在大量的 MagicNumber iPhone\ iPhone3G \ iPhone3GS \ iPhone4 \ iPhone4S 屏幕的物理尺寸是一样的 (无需屏幕适配) 而且一个应用要么是横屏要么是竖屏, 几乎不存在能同时进行横竖屏切换的应用 应用程序都是竖屏 游戏几乎都是横屏 官方应用大多支持横竖屏 使用 Autoresizing 进行屏幕适配 随着 redView.AutoresizingMask = UIViewAutoresizingFlexibleWidth | UIViewAutoresizingFlexibleHeight; 3 Auto view的下面属性为NO 约束要作用的view.translatesAutoresizingMaskIntoConstraints = NO; 2.添加约束之前，一定要保证相关控件都已经在各自的父控件上 3. 不用再给控件设置frame 3.3.2 规则二 1.如果添加的约束和其它控件没有关系, 要添加到自己身上"也可以添加在父控件上" 2.如果是父子关系, 设置子控件的约束, 约束要添加到父控件上 3.如果是兄弟关系
1.7K30发布于 2018-06-28 - 来自专栏容器计算
tf_cnn_benchmark 显存问题
1 Overview 在测试 vGPU 的功能的时候，给容器分配了半张 GPU 卡，然后想用 Tensorflow Benchmark 测试一下，却发现半张 V100 32GB 显存从一开始就被占满了， 关于如何限制 GPU 显存的使用量，可以参考官方的记录。为了能正常使用办张卡，也就是 16 GB 的显存，我希望可以注入一个 Config 类似如下。 per_process_gpu_memory_fraction=0.5) sess = tf.Session(config=tf.ConfigProto(gpu_options=gpu_options)) 这样我的程序就只会用到半张卡的显存 tf_cnn_benchmarks.py --num_gpus=1 --model=resnet50 --batch_size=32 --xla=True --gpu_memory_frac_for_testing=0.5 3 Summary per_process_gpu_memory_fraction 参数可以设置 GPU 内进程使用显存最大的比例。
1.4K20发布于 2020-08-05 - 来自专栏前端开发随笔
Vue3+vant4适配移动端
/assets/style/vant-theme.css' 移动端适配 npm install postcss-px-to-viewport vite.config.js import { defineConfig
2.7K30编辑于 2023-01-03 - 来自专栏前端开发随笔
VueRouter4.x适配Vue3
安装路由，注意需要4.x版本 npm install vue-router -s 在src目录下新建router\index.js import { createRouter, c
43540发布于 2020-12-21 - 来自专栏IT杂症
v470修改显存大小
' AppleIntelSNBGraphicsFB sudo touch /System/Library/Extensions 上面的命令里有一个地方需要注意‘s后面是个符号| 如果你修改后显卡变成了3m
81110发布于 2021-11-08 - 来自专栏深度学习和计算机视觉
深度学习中GPU和显存分析
举例来说：有一个1000x1000的 矩阵，float32，那么占用的显存差不多就是 2x3x256x256的四维数组（BxCxHxW）占用显存为：24M 1.2 神经网络显存占用 神经网络模型占用的显存包括 1.2.2 梯度与动量的显存占用 举例来说， 优化器如果是SGD： 这时候还需要保存动量， 因此显存x3 如果是Adam优化器，动量占用的显存更多，显存x4 总结一下，模型中与输入无关的显存占用包括： （因为不需要执行优化） 深度学习中神经网络的显存占用，我们可以得到如下公式： 显存占用 = 模型显存占用 + batch_size × 每个样本的显存占用 可以看出显存不是和batch-size简单的成正比 target=https%3A//arxiv.org/abs/1605.07678)总结了当时常用模型的各项指标，横座标是计算复杂度（越往右越慢，越耗时），纵座标是准确率（越高越好），圆的面积是参数数量 常见模型计算量/显存/准确率 3 总结 3.1 建议 时间更宝贵，尽可能使模型变快（减少flop） 显存占用不是和batch size简单成正比，模型自身的参数及其延伸出来的数据也要占据显存 batch
85310编辑于 2025-03-24 - 来自专栏DeepHub IMBA
如何估算transformer模型的显存大小
在微调GPT/BERT模型时，会经常遇到“ cuda out of memory”的情况。这是因为transformer是内存密集型的模型，并且内存要求也随序列长度而增加。所以如果能对模型的内存要求进行粗略的估计将有助于估计任务所需的资源。
2.3K30编辑于 2022-11-11 - 来自专栏小白晋级大师
设计模式3：代理、适配器、装饰器模式
若目标类实现接口则用JDK代理，否则用CGLIB适配器模式应用程序中有两个不同接口的类进行通信，应用某个中间件来完成通信过程，中间件就是适配器。 所谓适配器模式就是将⼀个类的接⼝，转换成客户期望的另⼀个接⼝。 比如：插头转换器分为两类：类适配器，通过类继承实现适配对象适配器，通过类对象组合来实现适配以下是对象适配器的示例代码，将220V电压转为5V电压// 目标接口，5V充电口interface Target { int get5V();}// 被适配的类，220V电源class Adaptee220V { public int get220V() { return 220; }}//对象适配器，通过组合实现public class ObjectAdapter implements Target { private Adaptee220V adaptee; public
29800编辑于 2025-02-17 - 来自专栏ionic3+
ionic3升级适配angular5
昨天angular5和ionic3同时发布更新了，为了用上angular5的新特性，还是有必要踩下坑的，当然踩坑的白老鼠建议选用一个最近不用维护的项目。 先看下ionic3的更新版本，同一天发布了三个版本，后两个版本都是修复一两个小bug的。 ? ionic3最新版本 ? 首次支持angular5的ionic3版本 然后再看下angular5的版本，同样发布了两个版本，一个是普通稳定版，一个是beta版，其中前者如图所示修复了几个bug，那若升级，当然选择普通稳定版比较好 angular5的最新beta版 在ionic3官网建议是更新依赖到angular5.0.0版本，而根据上述说明，优先选择做了做了bug修复的angular5.0.1版。
3.5K40发布于 2018-08-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号