1
2
3
|
cat /proc/cpuinfo | grep avx
flags : fpu vme de pse tsc msr pae mce cx8 apic sep mtrr pge mca cmov pat pse36 clflush mmx fxsr sse sse2 syscall nx rdtscp lm constant_tsc rep_good nopl xtopology eagerfpu pni pclmulqdq ssse3 fma cx16 pcid sse4_1 sse4_2 x2apic movbe popcnt tsc_deadline_timer aes xsave avx f16c rdrand hypervisor lahf_lm abm 3dnowprefetch fsgsbase bmi1 hle avx2 smep bmi2 erms invpcid rtm rdseed adx smap xsaveopt arat
|
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
|
mkdir ~/notebooks
docker run --name tf-gpu -d --runtime=nvidia --rm -it -v $(realpath ~/notebooks):/tf/notebooks -p 8881:8888 tensorflow/tensorflow:latest-gpu-jupyter
|
docker exec -it tf-gpu cat /root/.local/share/jupyter/runtime/nbserver-1-open.html
<!DOCTYPE html>
<p>
This page should redirect you to Jupyter Notebook. If it doesn't,
<a href="http://0.0.0.0:8888/tree?token={{token}}">click here to go to Jupyter</a>.
</p>
</body>
|
mkdir ~/notebooks
docker run --name tf-cpu -d --rm -it -v $(realpath ~/notebooks):/tf/notebooks -p 8882:8888 tensorflow/tensorflow:latest-jupyter
|
docker exec -it tf-cpu cat /root/.local/share/jupyter/runtime/nbserver-1-open.html
<!DOCTYPE html>
<p>
This page should redirect you to Jupyter Notebook. If it doesn't,
<a href="http://0.0.0.0:8888/tree?token={{token}}">click here to go to Jupyter</a>.
</p>
</body>
|
相关推荐
摘要:本文讨论了在 Kubernetes 故障排除中的两种路径:一种是增强操作员的分析工作,通过自动化和简化对故障排除知识的访问来提供帮助;另一种是将操作员从故障排除中排除,通过使用 AI/ML 模型和可观察性数据来自动化故障修复。同时强调了数据的重要性,以及继续共享故障排除经验和建立对可观察性的一致认识的必要性。 本文译自:https://thenewstack.io/can-chatgpt-s
作者:蓟北 构建面向 AI、大数据、容器的可观测体系 (一)智算服务可观测概况 对于越来越火爆的人工智能领域来说,MLOps 是解决这一领域的系统工程,它结合了所有与机器学习相关的任务和流程,从数据管理、建模、持续部署的到运行时计算和资源管理。下图是开源 ML-Ops 平台 MLReef 在 2021 年发布的 ML 市场相关工具和平台玩家。时至今日,相关工具与平台玩家数量保持着持续高速增长。当前
从技术上讲,容器化应该帮助组织更具有成本效益,但Kubernetes到处布满了成本陷阱,可能会使你超出预算。幸运的是,有一些策略可以控制云成本,自动伸缩就是其中之一。Kubernetes带有三个内置的自动伸缩机制来帮助你做到这一点。它们配合得越好,运行应用程序的成本就越低。 1.Pod水平自动扩缩(HPA) Pod 水平自动扩缩(HorizontalpodAutoscaler) 可以基于CPU利用
如果你正在寻找一种管理运行容器的 Linux 服务器的简单方法,那么你应该看看 Cockpit。 如果你管理着一台 Linux 服务器,那么你可能正在寻找一个可靠的管理工具。为了这个你可能已经看了 Webmin 和 cPanel 这类软件。但是,如果你正在寻找一种简单的方法来管理还包括了 Docker 的 Linux 服务器,那么有一个工具可以用于这个需求:Cockpit。 为什么使用 Cockp
写在前面的话 在当今数字时代,网页的视觉稳定性对于提供良好的用户体验至关重要。其中一个衡量视觉稳定性的关键指标就是累积布局偏移(Cumulative Layout Shift,简称CLS)。CLS作为Web Vitals指标之一,它衡量的是网页内容在加载过程中发生的意外布局偏移的频率和程度,从而确保用户在浏览网页时的舒适度和满意度。在本介绍中,我们将深入探讨CLS的概念、评价标准、数据收集与展示,
回到顶部