معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

CodeWithGPU Python Client

ویژگی	مقدار
سیستم عامل	-
نام فایل	codewithgpu-test-0.1.1
نام	codewithgpu-test
نسخه کتابخانه	0.1.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	SeetaCloud
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/seetacloud/codewithgpu
آدرس اینترنتی	https://pypi.org/project/codewithgpu-test/
مجوز	Apache License

# CodeWithGPU <p align="center"> <img width="100%" src="https://dragon.seetatech.com/download/codewithgpu/assets/banner.png"/> </> [CodeWithGPU](https://www.codewithgpu.com) is a community that focuses on the reproducible AI algorithms. It has close links with [Github](https://www.github.com) by leveraging the managed code, and distributes corresponding docker images, models and logs for friendly reproduction. This repository provides a novel data loading solution that maps data between Python object and serialized bytes automatically. This solution encourages developers to build a hierarchical data loading pipeline, which decouples the reading, transforming and batching. Similar solution, such as [NVIDIA DALI](https://developer.nvidia.com/dali), is widely deployed in many HPC systems and ML benchmarks. Besides, it considers a modular and asynchronous design for the inference of AI models. Developers can easily serve their models on distributed devices by creating a many-to-many "Producer-Consumer" dataflow, and the flow control is dealt by the synchronous queues. By this way, model serving resembles training and can also get great benefit from the efficient data loader. Also, it develops the benchmarks of modern AI models on diverse accelerators, including the newest NVIDIA GPUs and Apple Silicon processors. It will help users to match their demand on picking the best suitable devices. ***“The more reasonable GPUs you buy, the more money you save.”*** ## Installation Install from PyPI: ```bash pip install codewithgpu ``` Or, clone this repository to local disk and install: ```bash cd codewithgpu && pip instsall . ``` You can also install from the remote repository: ```bash pip install git+ssh://git@github.com/seetacloud/codewithgpu.git ``` ## Quick Start ### Deploy Image Inference Application See [Example: Image Inference](examples/image_inference.py). ### Use Record Dataset To Accelerate Data Loading See [Example: Record Dataset](examples/record_dataset.py). ### Model Benchmarks See [Doc: Model Benchmarks](benchmarks/models/README.md). ## License [Apache License 2.0](LICENSE)

نحوه نصب

نصب پکیج whl codewithgpu-test-0.1.1:

pip install codewithgpu-test-0.1.1.whl

نصب پکیج tar.gz codewithgpu-test-0.1.1:

pip install codewithgpu-test-0.1.1.tar.gz