matlab版權聲明

1、我用MATLAB中的GUI編寫了一個軟體，在申請軟體著作權時，使用說明書中的截圖可以出現MATLAB的那個標嗎？

如你使用的matlab的軟體是單位或個人購買的正版的話，可以出現matlab的圖標。這樣可以避免不必要的爭議。

2、基於matlab平台的程序 怎樣申請著作權 有什麼注意事項？

1、申請軟體著作權要按照要求准備資料，需要提供軟體的源代碼及用戶使回用操作手冊。
代碼要求答：提供3000行，不足3000行提供全部，用戶操作手冊：要有相應的軟體界面截圖，詳細的描述軟體的功能特點，並且截圖。
如果以上材料的能提供，就能申請。

3、推薦一款適合深度學習AI場景應用性能較好的伺服器

深度學習是機器學習的分支，是一種以人工神經網路為架構，對數據進行表徵學習的演算法。深度學習在搜索技術，數據挖掘，機器學習，機器翻譯，自然語言處理等多個領域都取得了卓越的成果，可見其重要性

熟悉深度學習的人都知道，深度學習是需要訓練的，所謂的訓練就是在成千上萬個變數中尋找最佳值的計算。這需要通過不斷的嘗試識別，而最終獲得的數值並非是人工確定的數字，而是一種常態的公式。通過這種像素級的學習，不斷總結規律，計算機就可以實現像人一樣思考。因而，更擅長並行計算和高帶寬的GPU，則成了大家關注的重點。

很多人認為深度學習GPU伺服器配置跟普通伺服器有些不一樣，就像很多人認為做設計的機器一定很貴一樣。其實只要顯卡或者CPU滿足深度學習的應用程序就可以進行深度學習。由於現在CPU的核心數量和架構相對於深度學習來說效率會比GPU低很多，所以大部分深度學習的伺服器都是通過高端顯卡來運算的。

這里談談關於深度學習GPU伺服器如何選擇，深度學習伺服器的一些選購原則和建議：

1、電源：品質有保障，功率要足夠，有30~40%冗餘

穩定、穩定、還是穩定。一個好的電源能夠保證主機再長時間運行不宕機和重啟。可以想像一下，計算過程中突然重啟，那麼又要重來，除了降低效率，還影響心情。有些電源低負載使用的時候可能不出問題，一旦高負載運行的時候就容易出問題。選擇電源的時候一定要選擇功率有冗餘品質過硬，不要功率剛剛好超出一點。

2、顯卡：目前主流RTX3090,最新RTX4090也將上市

顯卡在深度學習中起到很重要的作用，也是預算的一大頭。預算有限，可以選擇RTX3080 /RTX3090/RTX4090(上月剛發布，本月12日上市)。預算充足，可以選擇專業深度學習卡Titan RTX/Tesla V100 /A6000/A100/H100（處於斷供中）等等。

3、CPU：兩家獨大，在這要講的是PC級和伺服器級別處理器的定位

Intel的處理器至強Xeon、酷睿Core、賽揚Celeron、奔騰Pentium和凌動Atom5個系列，而至強是用於伺服器端，目前市場上最常見的是酷睿。當下是第三代Xeon Scalable系列處理器，分為Platinum白金、Gold金牌、 Silver 銀牌。

AMD處理器分為銳龍Ryzen、銳龍Ryzen Pro、銳龍線程撕裂者Ryzen Threadripper、霄龍EPYC，其中霄龍是伺服器端的CPU，最常見的是銳龍。當下是第三代 EPYC（霄龍）處理器 ，AMD 第三代 EPYC 7003 系列最高 64核。

選擇單路還是雙路也是看軟體，純粹的使用GPU運算，其實CPU沒有多大負載。考慮到更多的用途，當然CPU不能太差。主流的高性能多核多線程CPU即可。

4、內存：單根16G/32G/64G 可選，伺服器級別內存有ECC功能，PC級內存沒有，非常重要

內存32G起步，內存都是可以擴展的，所以夠用就好，不夠以後可以再加，買多了是浪費。

5、硬碟：固態硬碟和機械硬碟，通常系統盤追求速度用固態硬碟，數據盤強調存儲量用機械盤

固態選擇大品牌企業級，Nvme或者SATA協議區別不大，雜牌固態就不要考慮了，用著用著突然掉盤就不好了。

6、機箱平台：伺服器級別建議選擇超微主板平台，穩定性、可靠性是第一要求

預留足夠的空間方便升級，比如現在使用單顯卡，未來可能要加顯卡等等；結構要合理，合理的空間更利於空氣流動。最好是加幾個散熱效果好的機箱風扇輔助散熱。溫度也是導致不穩定的一個因素。

7、軟硬體支持/解決方案：要有

應用方向：深度學習、量化計算、分子動力學、生物信息學、雷達信號處理、地震數據處理、光學自適應、轉碼解碼、醫學成像、圖像處理、密碼破解、數值分析、計算流體力學、計算機輔助設計等多個科研領域。

軟體： Caffe, TensorFlow, Abinit, Amber, Gromacs, Lammps, NAMD, VMD, Materials Studio, Wien2K, Gaussian, Vasp, CFX, OpenFOAM, Abaqus, Ansys, LS-DYNA, Maple, Matlab, Blast, FFTW, Nastran等軟體的安裝、調試、優化、培訓、維護等技術支持和服務。

————————————————

版權聲明：本文為CSDN博主「Ai17316391579」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。

原文鏈接：https://blog.csdn.net/Ai17316391579/article/details/127533617