docker.841973620.net:8888

关于 CUDA 的简单介绍

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-t-ac-01-v1:cuda11.4-ubuntu20.04-task

加速计算基础——CUDA C/C++

1.使用 CUDA C/C++ 加速应用程序

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-c-ac-01-v1:cuda11.4-ubuntu20.04-task1

2.利用基本的 CUDA 内存管理技术来优化加速应用程序

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-c-ac-01-v1:cuda11.4-ubuntu20.04-task2

3.被加速的C/C++应用程序的异步流和可视化分析

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-c-ac-01-v1:cuda11.4-ubuntu20.04-task3

通过并发流加速 CUDA C++ 应用程序

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-s-ac-01-v1:cuda11.4-ubuntu20.04-task

通过 CUDA C++ 在多个 GPU 之间扩展工作负载

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-s-ac-02-v1:cuda11.4-ubuntu20.04-task

加速计算基础——CUDA Python

1.使用 Numba 的 CUDA Python 简介

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-c-ac-02-v1:cuda11.4-ubuntu20.04-task1

2.使用 Numba 的 CUDA Python 的自定义核函数和内存管理

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-c-ac-02-v1:cuda11.4-ubuntu20.04-task2

3.有效使用内存子系统

docker run -it --rm --name task --gpus all -p 80:80 841973620/dli-c-ac-02-v1:cuda11.4-ubuntu20.04-task3

使用容器实现高性能计算

docker run -it --rm --name task --privileged=true --gpus all -p 80:80 841973620/dli-l-ac-25-v1:ubuntu20.04-task

Docker in Docker

docker run -it --rm --name dind --privileged=true --gpus all 841973620/dind:ubuntu20.04-nvidia