初始环境：ubuntu18.04.4 LTS，已经安装对应的显卡驱动，安装过程中不建议更换apt-get国内镜像源一、安装CUDA10.21、在nvidia 官网上下载对应的CUDA 版本，我们这里选择CUDA10.2 的版本，链接https://developer.nvidia.com/cuda-toolkit-archive。如图1.1 所示选择对应的系统版本和CUDA 版本下载至本地目录中，
文章目录前言一、CUDA二、Anaconda1.Anaconda2.安装完先检查一下通道配置3.cuDNN和Pytorch安装参考 前言安装cuda一、CUDACUDA，是显卡厂商NVIDIA推出的运算平台。我们需要根据自己显卡的型号选择支持的CUDA版本，例如RTX 2060显卡，先查看驱动版本，在NVIDIA控制面板，系统信息中查看：显卡驱动版本为497.29 CUDA安装地址：https:
# 使用 Anaconda 打包 Python 环境指南
在现代的开发中，管理 Python 环境是一个非常重要的任务。Anaconda 是一个流行的包管理和环境管理工具，可以帮助开发者创建、管理和打包 Python 环境。本文将详细介绍如何使用 Anaconda 打包 Python 环境，帮助初学者一步步掌握这一技能。
## 步骤流程
以下是使用 Anaconda 打包 Python 环境
基于NVidia开源的nvidia/cuda image，构建适用于DeepLearning的基础image。 思路就是先把常用的东西都塞进去，再装某个框架就省事儿了。 为了体验重装系统的乐趣，所以采用慢慢来比较快的步骤，而不是通过Dockerfile来build。环境信息已经安装了Docker CE和nvidia-docker2Host OS: Ubuntu 18.04 64 bit CUDA:
# 如何将 Docker Compose 项目打包成镜像
在现代应用开发中，Docker 是一个非常流行的工具，它能够帮助开发者快速构建、运行和管理容器化应用。而 Docker Compose 则是 Docker 中用于定义和运行多容器 Docker 应用的工具。将 Docker Compose 项目打包成镜像是一项重要的技能，能够让你的应用便于分发和部署。本文将详细介绍这一过程。
## 整体
CUDA(Compute Unified Device Architecture)，显卡厂商NVidia推出的运算平台。
随着显卡的发展，GPU越来越强大，而且GPU为显示图像做了优化。在计算上已经超越了通用的CPU。如此强大的芯片如果只是作为显卡就太浪费了，因此NVidia推出CUDA，让显卡可以用于图像计算以外的目的。
目前只有G80、G92、G94和GT20
前言CUDA的安装需要两个包：CUDA Toolkit CUDNN（算是CUDA的一个补丁，用于
# Docker打包可以没有基础镜像吗？
## 1. 简介
在介绍Docker打包可以没有基础镜像之前，我们需要先了解一些基本概念。Docker是一个开源的应用容器引擎，可以帮助开发者将应用及其依赖打包到一个可移植的容器中，然后部署到任何支持Docker的环境中。镜像是Docker容器的基础，它包含了一个完整的文件系统，以及运行该文件系统的一系列参数。
通常情况下，我们需要使用一个基础镜像来
## 本地打包 Docker 镜像文件的流程
下面是一种常用的本地打包 Docker 镜像文件的流程：
```mermaid
flowchart TD
A[编写 Dockerfile 文件] --> B[构建 Docker 镜像]
B --> C[运行 Docker 镜像]
C --> D[测试 Docker 镜像]
D --> E[推送 Docker 镜像到镜
原创
2023-11-06 14:02:05
46阅读
NVIDIA英伟达驱动在安装之前，先更改数据源，否则安装过程中下载会非常慢。从系统设置中，点击Software&update，进入后选择source code,从download from中选择的镜像源，此处可以看个人习惯选择，或者点击best choice选择系统推荐，此处我选择的是镜像源，选择后按照指令输入系统权限（装系统时，自己编辑的），点击close，等待片刻即可，从文
本文作者：CODING - 王宽 背景 在 CODING 独立制品库产品的某个私有化项目交付过程中，因为底层 TCE 环境中的 TKE 服务无法使用，而项目交付时间又非常紧急的情况下，我们团队经过讨论决定采用多台 CVM 主机人工部署一套 Kubernetes 集群环境，一方面用于验证在特定环境中交付部署还存在哪些阻碍，另一方面也希望向客户传达我们正在努力解决问题的工作态
# 如何实现“pytorch可以不装cuda吗”
作为一名经验丰富的开发者，你一定知道pytorch通常需要依赖cuda来加速计算。但有时候我们可能并不想安装cuda，那么是否有替代的方法呢？下面我将向你展示如何在不安装cuda的情况下使用pytorch。
## 总体流程
首先，让我们来看一下整个过程的步骤，可以用以下表格展示：
| 步骤 | 操作 |
|------|------|
|
Docker已经上市很多年，不是什么新鲜事物了，很多企业或者开发同学以前也不多不少有所接触，但是有实操经验的人不多，本系列教程主要偏重实战，尽量讲干货，会根据本人理解去做阐述，具体官方概念可以查阅官方教程，因为本系列教程对前一章节有一定依赖，建议先学习前面章节内容。本系列教程导航:Docker深入浅出系列 | 容器初体验Docker深入浅出系列 | Image初体验Docker深入浅出系列 | 单
说明踩了无数坑，在此血泪总结。以下教程写于2020.12，不能确保之后版本的变化。废话少说，开始！1.先查看电脑显卡所支持的CUDA版本cuda版本是向下兼容的！！（1）找到并且打开NVIDIA控制面板点击鼠标右键就能找到，或者右下角，长这样 （2）查看确定CUDA版本 注意！！！！！！！！！！CUDA版本是可以向下兼容的，并不一定要一一对应，比如，我
转载
2023-08-12 23:50:22
1254阅读
一．镜像命令
（1）列出本地主机上的镜像
#docker images -a 列出本地所有的镜像(含中间映像层）
-q 只显示镜像id
–digests 显示镜像的摘要信息
—no-trunc 显示完整镜像信息
（2）查找镜像
#docker search 镜像名称 -s number 列出收藏数不小于指定值的镜像
–no-trunc 显示完整镜像描述
–automated 只列
一、war包（SpringMVC项目）镜像部署1、拉取tomcat镜像docker pull tomcat:8.5.302、上传需要部署的war包（以hello.war为例）到自定义的工作目录下3、在上个步骤创建的工作目录下创建Dockerfile文件。将war包和Dockerfile文件放在同一目录下。Dockerfile文件内容如下：from tomcat:8.5.30
ENV LANG C
转载
2023-07-30 10:15:16
156阅读
一、前期下载准备：1. Anaconda3-5.2.0-Windows-x86_64 问题：Anaconda无法正常打开，一直停留在loading application方案：找到anaconda3\Lib\site-packages\anaconda_navigator\api\conda_api.py 将行1364 把 data = yaml.load(f) 改为 data = y
这几天一直在配置pytorch-gpu的环境，前面装anaconda、pycharm，CUDA,cuDNN的时候一度挺顺利的，接着我们重点来说说pytorch的环境配置1. 创建一个虚拟环境最好先创建一个虚拟环境，在里面安装pytorch。创建前要先添加清华源，这样会更快一些conda config --add channels https://mirrors.tuna.tsinghua.edu.
我们使用Vue-cli的默认环境是只有dev和prod两种环境，在开发中我们的项目一般是开发版、测试版、pre版、Prod版。我们一般是在源码中API地址中修改后然后打包。###1、首先安装cross-envnpm i -- save- dev cross - env###2、修改不同环境下的参数在config/目录下添加test.env.js、pre.env.js。修改prod.en
转载
2023-05-26 16:24:27
353阅读
点赞
Pytorch环境配置——从零开始（不需要anaconda）Pytorch环境配置查看显卡信息安装CUDA Toolkit下载pytorch的whl文件，pip本地安装测试GPU是否运行pip在线安装 前面的文章，配置基本环境Python 环境安装系统教程——PyCharm pytorch学术界用的多，tensorflow工业界用的多。网上很多pytorch的教程，都需要安装anaconda，其
转载
2023-09-25 12:17:43
419阅读
