一、配置 1.先安装VS2013，先安装VS，先安装VS（安装CUDA会配置VS文件，反向的话VS中找不到文件） VS安装参考：2.安装CUDA,我们选择的版本为10.1 2.1 CUDA下载路径：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_versi
使用Docker需要宿主机装CUDA吗？
当我们在使用Docker进行开发时，有时候需要使用到GPU加速，这时候就涉及到宿主机是否需要安装CUDA的问题。CUDA是一种由NVIDIA提供的用于并行计算的编程模型和API集合，它可以让我们利用GPU来加速计算任务。在使用Docker进行GPU加速时，宿主机需要安装与Docker版本匹配的NVIDIA驱动和CUDA库，以便在容器中正确地调用GPU资源
原创
2023-12-13 05:08:34
1025阅读
原因一般有二，一是品牌机性价比太差，二是想自己选自己喜欢的配件，有乐趣。三是零件自己选，靠谱不会被商家骗。 整体说来组装主机，需要购买的硬件 主要配件是CPU、主板、内存、硬盘、电源、机箱、显卡，算上外设和配件还有显示器、键盘鼠标，以及现在很少人配到的光驱\刻录机、独立声卡之类的。主板是主要配件的承载平台，主要配件是直接接在上面的。 在选择配件的时候，好考虑配件制件的接口兼容性问
因为自己的win10笔记本上用cpu跑深度学习的训练实在是慢，想把电脑上的一块显存2G的Nvida Geforce 940mx的显卡用起来。虽然这个显卡很普通，但比cpu跑的还是快多了。（因为GPU更适合进行矩阵运算）经过一下午的努力，一波三折之后终于安装成功，深度学习训练程序成功在GPU上跑了起来，速度比cpu快了7倍。网上有很多tensorflow-gpu版本的安装和配置教程，但有的是linu
CUDA编程主要做的就是和GPU打交道，在和这样的一个陌生的家伙交流之前，我们需要做的就是先得认识和熟悉这个家伙。在深入研究如何编写设备代码之前，我们需要通过某种机制来判断计算机中当前有哪些设备，以及每个设备都支持哪些功能。幸运的是，可以通过一个非常简单的接口来获得这种信息。首先，我们希望知道在系统中有多少个设备是支持CUDA架构的，并且这些设备能够运行基于CUDA C编写的核函数。要获得CUDA
转载
2024-04-19 14:25:04
75阅读
本文是《Python从零开始进行AIGC大模型训练与推理》（）专栏的一部分，所述方法和步骤基本上是通用的，不局限于AIGC大模型深度学习环境。 Docker AIGC等大模型深度学习环境搭建步骤主要包含如下步骤：CUDA驱动更新Docker创建CUDA安装与验证CUDNN安装与验证conda Python
转载
2023-09-06 11:17:28
239阅读
准备部署：测试CUDA可用性：部署CUDA应用程序时，通常需要确保即使目标计算机没有支持CUDA的GPU和/或已安装足够版本的NVIDIA驱动程序，应用程序仍能正常运行。检测具有CUDA功能的GPU：当应用程序将被部署到目标机器的任意/未知配置时，应用程序应该明确地测试是否存在CUDAcapable GPU，以便在没有此类设备可用时采取适当的操作。 cudaGetDeviceCount（）函数可用
cuda toolkit 与cudnn前面我们已经成功安装了Nvidia驱动程序，接着进行cuda和cudnn的安装和配置NVIDIA的显卡驱动器与CUDA并不是一一对应的，CUDA本质上只是一个工具包而已，所以可以在同一个设备上安装很多个不同版本的CUDA工具包，比如我的电脑上同时安装了 CUDA 9.0、CUDA 9.2、CUDA 10.0三个版本。一般情况下，只需要安装最新版本的显卡驱动，然
准备工作JDK1.8、Docker1.12.1、CentOS7.01.CentOS7.0下JDK1.8的安装(1)到Oracle官网下载好 jdk-8u181-linux-x64.tar.gz 备用 (2)卸载系统自带的java java -version rpm -qa|grep java yum -y remove [上面查出来的东西，多个用空格分隔]
目录一、前言二、安装CUDA三、安装cuDNN 四、安装Anacanda五、安装pytorch六、总结一、前言 最近因为需要安装GPU版本的Pytorch，所以自己在安装过程中也是想着写一篇博客，把整个过程记录下来，在整个过程中也遇到了不少的问题，查看了以往别人的一些解决方案，希望能够给遇到同样问题的提供一些参考。 如果大家
在支持CUDA的设备上运行什么？确定应用程序的哪些部分在设备上运行时应考虑以下问题：该设备非常适合可同时并行运行在多个数据元素上的计算。 这通常涉及大数据集（例如矩阵）的算术，其中可以同时在数千甚至数百万个元素上执行相同的操作。 这是CUDA良好性能的要求：软件必须使用大量（通常为数千或数万）并发线程。 并行运行大量线程的支持来自CUDA使用上述轻量级线程模型。为了获得最佳性能，设备上运行的相邻线
转载
2024-04-26 10:51:09
107阅读
最近发现网速太慢，用anaconda配置环境根本搭建不起来，没办法只能另想出路，试试docker，发现简直是我的救星，分享一篇借鉴别人的Docker环境配置。一、安装Docker1.更新系统软件，并下载必要工具sudo apt update
sudo apt install apt-transport-https ca-certificates curl software-properties-c
转载
2024-02-04 10:16:41
71阅读
文章目录1. docker使用GPU2. 镜像cuda版本和宿主机cuda版本不兼容2.1 确定问题2.2 解决方案3. ubuntu上安装GPU驱动4. NVIDIA CUDA Installation Guide for Linux 1. docker使用GPU首先介绍几个事实：最初的docker是不支持gpu的为了让docker支持nvidia显卡，英伟达公司开发了nvidia-docke
转载
2023-07-21 11:07:54
771阅读
一、cuda简介 CUDA是支持c++/c语言，一般我喜欢用c来写，他的编译是gpu部分由nvcc来进行的 一般的函数定义 void function(); cuda的函数定义 __global__ void function(); 解释：在这里，这个global前缀表明这个函数在哪里执行，可以由谁来呼叫 global:主机呼叫，设备执行 host
转载
2024-05-01 13:17:32
91阅读
遇到问题（已解决）：CUDA Setup中拒绝访问从安装即可1.首先对于cuda8.0、cuda7.5的卸载都可以兼容 安装cuda9.0之后，电脑原来的NVIDIA图形驱动会被更新，NVIDIA Physx系统软件也会被更新(安装低版cuda可能不会被更新)。 卸载时候要注意了，别动这2个。PS:应该是的是这个2.卸载1.前言杀毒软件别用来卸载这个了，不好找。 打开电脑的控制面板，找到程序， 卸
最近放假在家，闲来无事，正好发了点零花钱，配置了一台RTX 2070s显卡的电脑。新电脑要配置一下环境，于是在网上找了很多大神的攻略来试试安装Tensorflow_GPU。1.常规思路首先假设你的电脑没有安装过任何环境，那么按照网络上直接搜索到的攻略，应该是这样一个思路： ①安装Visual Studio 20XX → ②安装anaconda（一般大神都是简略说明这一步，其实这里有坑） →③安装C
1.安装docker镜像sudo docker pull nvidia/cuda:9.0-cudnn7-devel-ubuntu16.04
# 创建一个cuda9.0 cudnn7 ubuntu16.04的容器，名字为caffe，同时将本机的/home/hzh目录挂载到容器的/var/workspace下面
sudo nvidia-docker run -it -v /home/hzh:/var/
转载
2024-06-17 12:29:43
836阅读
@[TOC](ubuntu16.04 安装多版本cuda(原10.0，新安装10.1)，实现任意切换)前言需求：单位需要使用yolo-v5训练模型，可所需的pytorch对cuda的依赖版本较高，而仅仅安装单个高版本的cuda又会与原先的项目产生矛盾，所以纠结一下，研究了安装双cuda步骤，记录一下一、下载cuda地址：cuda官方下载地址: https://developer.nvidia.co
转载
2024-08-09 19:09:30
80阅读
前言OpenMMLabb不同订单库需求不同的cuda版本，一直没找到一个完全完整靠谱的教程，这是我参考几个博客完成测试的全过程记录，方便以后操作，无任何商业用途，如有侵权，请联系删除。注：Ubuntu22.04系统，已安装CUDA11.7版本，现在安装CUDA11.3版本 选择指定的CUDA版本，选择你的系统架构版本。【11.3-11.7】注意：芯片架构不懂的可以点击查看解释：Architetur
转载
2024-08-12 10:55:16
337阅读
如何查看自己的CUDA版本号：直接在命令行输入 nvcc -V 由于目前tensorflow/pytorch依赖的CUDA版本都在10.0以上，那么当前电脑现有的CUDA版本号能够升级呢？ CUDA版本号与显卡驱动版本号应该是有对应关系的，那么如何查看系统显卡驱动版本号呢？利用nvidia-smi可以查看NVIDIA 显卡信息。 在命令行直接输入：nvidia-smi (The NVIDIA Sy
