chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

如何使用NVIDIA建立純聲波圖像

星星科技指導員 ? 來源:NVIDIA ? 作者:Yuval Borenstein ? 2022-04-27 10:12 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

Pure SONiC 是 SONiC 的版本,它消除了對供應商的依賴。社區(qū)開發(fā)、公開可用和 100% 開源使您能夠構建與所需社區(qū)分支同步的純 SONiC 映像。這意味著 SONiC 的每一行代碼和 SAI ( switch abstraction interface )的 NVIDIA 實現(xiàn)只需點擊一下 主映像 。

NVIDIA 當您選擇 Pure SONiC 時,我們將致力于您的成功。為了確保 Pure SONiC 得到強化和限定, NVIDIA 建議使用特定的公共哈希來構建映像,這是一種在特定時間點對 Git 存儲庫進行快照的機制。通過廣泛的 QA ,在所有 NVIDIA 平臺上驗證傳遞給用戶的每個公共散列。此外, NVIDIA 承認需要有價值的文件。發(fā)行說明和用戶手冊與特定的公共哈希綁定。

建立一個純粹的聲波圖像

下面是我如何建立我的純聲波圖像,包括 ZTP ,運行在我的 NVIDIA Mellanox Spectrum 開放式以太網交換機上。我的解決方案受到了關于 GitHub 的 構建 SONiC 交換機映像 教程的啟發(fā)。默認情況下,在回購的 生成配置文件 中禁用 ZTP 。

Spectrum 交換機預裝了 ONIE ( open network install environment ),這是一個引導加載程序,提供了在裸機交換機系統(tǒng)上安裝任何網絡操作系統(tǒng)的環(huán)境。 ONIE 允許最終用戶自動安裝網絡操作系統(tǒng),作為數(shù)據(jù)中心配置的一部分,類似于 ONIE 交換機管理 Linux 服務器的方式。

我的構建服務器由 24 核 CPU 、 250 GB 構建存儲和 64 GB RAM 組成,運行在 Ubuntu16.04 上, Docker 版本 18.03.0-ce 、 Python 和 jinja2 。我發(fā)現(xiàn)我的構建配置至少需要 100 GB 的可用磁盤空間。最終的構建目錄消耗了大約 30gb 。在構建時間對業(yè)務至關重要的情況下,我建議升級 CPU 和 RAM 以允許更多的內核并行工作,從而縮短構建時間。

出于自動化和代碼重用的目的,我將代碼分為三個短文件:

build.cfg :初始化公共環(huán)境變量并由其他文件進行源處理。

gitsonic.sh :獲取公共 git 存儲庫源代碼。

build.sh :執(zhí)行生成。

運行腳本執(zhí)行構建過程。

第一步:創(chuàng)建 build.cfg

# An example to hash that was qualified by NVIDIA
SONICBRANCH=201911
COMMITHASH="bea968b"
BLDBRANCH="${SONICBRANCH}"
BUILD_NUMBER="00005"
let BLDNUM="${BUILD_NUMBER}"

#ZTP is disabled by default per community decision. I found it useful to enable in my build, more
#options are available in the file ./rules/config
ENABLE_ZTP="y"

SONIC_IMAGE_VERSION="SONIC.${SONICBRANCH}.${BLDNUM}-${COMMITHASH}_Internal"
SONIC_OVERRIDE_BUILD_VARS='
SONICIMAGE_VERSION=SONIC.${SONICBRANCH}.${BLDNUM}-${COMMITHASH}_Internal
BUILD_NUMBER=${BLDNUM} ENABLE_ZTP=y'
BLDDIR="./sonic-buildimage_${BLDBRANCH}_${BUILD_NUMBER}_${COMMITHASH}_ZTP"

第二步:創(chuàng)建 sonicgit.sh

#!/bin/bash
source ./build.cfg

if [ -d "${BLDDIR}" ];then
 echo "directory sonic-buildimage already exists, aborting git"
 exit 1
fi

# git clone the top-level
# source code from the public repository, SONICBRANCH=201911

git clone -b ${SONICBRANCH} https://github.com/Azure/sonic-buildimage.git

# move the cloned source to a build-specific named directory
# avoid overwriting earlier versions that you may need.
mv ./sonic-buildimage "${BLDDIR}"

# If you are making any changes to the latest checked in branch, you must make
# changes to the configuration.
# Because you are making changes, create a build branch based on the specific commit hash
#this git branch information shows up in the build image,
#when you run command $show version from the switch command line.

cd "${BLDDIR}"
git checkout -b "${BLDBRANCH}" ${COMMITHASH}

# the git clone step only pulls the top-level module.
# the underlying submodules must be recursively
# init-ed and updated.

git submodule update --init --recursive

#display the status
echo "${BLDDIR}"
git status | grep branch

第 3 步:創(chuàng)建 build.sh

#!/bin/bash

source ./build.cfg

#Helper functions start###
function checkErrors()
{
 X=`grep -i -c "${1}" "${2}"`
 if [ "${X}" != "0" ];then
 grep -i -n "${1}" "${2}"
 fi
}

function doSetup()
{
 CONFIGZTP="ENABLE_ZTP=${ENABLE_ZTP}"
 CONFIGSONIC="{$CONFIGZTP}"
}

function doMakeConfig()
{
 #Execute make configure once to configure ASIC
 #make configure PLATFORM=[ASIC_VENDOR]
 make configure PLATFORM=mellanox
}

# Build SONiC image
function doMake()
{
 LOGFILE="../logs/${BLDDIR}.log"
 echo "time make
SONIC_BUILD_JOBS=24 ${SONIC_OVERRIDE_BUILD_VARS}
target/sonic-mellanox.bin" > "${LOGFILE}"
 time make SONIC_BUILD_JOBS=24 ${SONIC_OVERRIDE_BUILD_VARS} target/sonic-mellanox.bin | tee "${LOGFILE}"
 checkErrors "fail" "${LOGFILE}"
 checkErrors "warning" "${LOGFILE}"
 checkErrors "error" "${LOGFILE}"
}
#Helper functions end###

cd "${BLDDIR}"
doSetup
doMakeConfig
doMake

概括

步驟 1-3 中描述的構建過程將生成啟用 ZTP 的純聲波圖像。一些人會認為,這張圖片展示了開放網絡的最佳狀態(tài):構建一個開源操作系統(tǒng),消除對供應商的依賴。

關于作者

Yuval Borenstein 是 NVIDIA 的以太網交換機產品經理。在此之前的幾年里, Borenstein 先生在 NVIDIA 擔任過多個芯片設計職位,負責開發(fā) InfiniBand 和以太網交換機。尤瓦爾擁有以色列理工學院電子工程學士學位和特拉維夫大學和西北大學的聯(lián)合工商管理碩士學位。

審核編輯:郭婷

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • cpu
    cpu
    +關注

    關注

    68

    文章

    11250

    瀏覽量

    223850
  • RAM
    RAM
    +關注

    關注

    8

    文章

    1399

    瀏覽量

    120090
  • 服務器
    +關注

    關注

    14

    文章

    10179

    瀏覽量

    91241
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    視覺自動駕駛的優(yōu)勢和劣勢有哪些?

    激光雷達,也一直飽受爭議。今天智駕最前沿就圍繞視覺自動駕駛,聊聊它的優(yōu)劣。 什么是視覺自動駕駛 所謂視覺自動駕駛,是指車輛不依賴激光雷達、毫米波雷達等主動傳感器,而是僅依靠車載攝像頭和
    的頭像 發(fā)表于 01-18 09:50 ?1802次閱讀
    <b class='flag-5'>純</b>視覺自動駕駛的優(yōu)勢和劣勢有哪些?

    超擎數(shù)智為您深度解析NVIDIA Quantum-X800 InfiniBand平臺

    NVIDIA
    專精特新
    發(fā)布于 :2026年01月08日 19:47:03

    NVIDIA 與新思科技宣布建立戰(zhàn)略合作伙伴關系,攜手重塑工程與設計未來

    長期戰(zhàn)略合作涵蓋了 NVIDIA CUDA 加速計算、代理式 AI 和物理 AI 以及 Omniverse 數(shù)字孿生,以實現(xiàn)以前通過傳統(tǒng) CPU 計算難以企及的仿真速度和規(guī)模,為工程領域各類場景開辟
    的頭像 發(fā)表于 12-03 10:27 ?785次閱讀
    <b class='flag-5'>NVIDIA</b> 與新思科技宣布<b class='flag-5'>建立</b>戰(zhàn)略合作伙伴關系,攜手重塑工程與設計未來

    沒有地圖,視覺自動駕駛就只能摸瞎嗎?

    來說,是否也是如此? ? 人和機器用“視覺”導航的差異 在討論這個話題前,先簡單聊聊什么是“視覺”。所謂“視覺”,就是只用攝像頭(單目或多目)來完成感知的方案。不管是把圖像直接送入一個端到端的神經網絡輸出控制指
    的頭像 發(fā)表于 11-27 17:22 ?1355次閱讀
    沒有地圖,<b class='flag-5'>純</b>視覺自動駕駛就只能摸瞎嗎?

    NVIDIA RTX AI加速FLUX.1 Kontext現(xiàn)已開放下載

    NVIDIA RTX 與 NVIDIA TensorRT 現(xiàn)已加速 Black Forest Labs 的最新圖像生成和編輯模型;此外,Gemma 3n 現(xiàn)可借助 RTX 和 NVIDIA
    的頭像 發(fā)表于 07-16 09:16 ?1988次閱讀

    聲波換能器:原理與多領域應用解析

    發(fā)射出的超聲波穿透人體組織,由于不同組織的聲學特性存在差異,超聲波會在組織界面處發(fā)生反射和折射 。換能器接收這些反射波,并將其轉換為電信號,經過復雜的信號處理和圖像重建算法,最終形成人體內部組織和器官
    發(fā)表于 06-28 15:09

    聲波換能器--聲波世界的 “神奇魔法師”

    ,再接收反射回來的超聲波信號,經過計算機處理后形成人體內部器官的清晰圖像。通過這些圖像,醫(yī)生可以觀察胎兒在母體內的發(fā)育情況,檢查內臟器官是否存在病變,如腫瘤、囊腫等,幫助制定精準的治療方案,為無數(shù)患者帶來
    發(fā)表于 06-11 17:30

    自動駕駛中視覺替代不了激光雷達?

    ,不少人設想“移除LiDAR,只用攝像頭+AI”也能實現(xiàn)可靠感知。但現(xiàn)實遠比想象復雜,為什么視覺難以完全替代LiDAR? 首先要知道,攝像頭與LiDAR的工作原理截然不同。攝像頭通過光學透鏡和圖像傳感器獲取二維彩色圖像,記錄場
    的頭像 發(fā)表于 06-11 09:06 ?775次閱讀

    NVIDIA Isaac Sim與NVIDIA Isaac Lab的更新

    在 COMPUTEX 2025 上,NVIDIA 宣布了機器人仿真參考應用 NVIDIA Isaac Sim 和機器人學習框架 NVIDIA Isaac Lab 的更新,以加速各種形態(tài)機器人的開發(fā)。
    的頭像 發(fā)表于 05-28 10:06 ?1940次閱讀

    聲波清洗的原理是什么?超聲波清洗是如何起作用的?

    聲波清洗是一種利用高頻超聲波振動來清洗物體表面和難以達到的細微部分的清潔技術。其工作原理基于聲波的物理特性和聲波對液體中微小氣泡的影響。以下是超
    的頭像 發(fā)表于 05-26 17:21 ?2675次閱讀
    超<b class='flag-5'>聲波</b>清洗的原理是什么?超<b class='flag-5'>聲波</b>清洗是如何起作用的?

    如何在CYUSB2014和AR0144CS圖像傳感器之間建立通信?

    我們正在嘗試在 CYUSB2014 和 AR0144CS 圖像傳感器之間建立通信。 我們不會使用 UVC 框架,因為設備的枚舉不應該在設備管理器的 Windows 攝像頭下進行。 因此我們考慮
    發(fā)表于 05-19 08:28

    百勝集團與NVIDIA建立戰(zhàn)略合作伙伴關系

    百勝集團,全球最大的連鎖餐廳,也是肯德基、Taco Bell、必勝客和 Habit Burger& Grill 的母公司,正在通過 NVIDIA AI 技術加速 AI 部署,以優(yōu)化訂單處理、提升運營效率并改善餐廳服務體驗。
    的頭像 發(fā)表于 03-27 09:20 ?1264次閱讀

    NVIDIA Blackwell白皮書:NVIDIA Blackwell Architecture Technical Brief

    NVIDIA Blackwell白皮書:NVIDIA Blackwell Architecture Technical Brief
    的頭像 發(fā)表于 03-20 18:35 ?2828次閱讀

    NVIDIA Blackwell數(shù)據(jù)手冊與NVIDIA Blackwell架構技術解析

    NVIDIA Blackwell數(shù)據(jù)手冊與NVIDIA Blackwell 架構技術解析
    的頭像 發(fā)表于 03-20 17:19 ?2134次閱讀

    NVIDIA RTX 4500 Ada與NVIDIA RTX A5000的對比

    基于大眾所熟知的 NVIDIA Ada Lovelace 架構,NVIDIA RTX 4500 Ada Generation是一款介于 NVIDIA RTX 4000 Ada 和 NVIDIA
    的頭像 發(fā)表于 03-05 10:30 ?4337次閱讀