一言以蔽之：根据NVIDIA官网的教程安装。 NVIDIA cuda-toolkitdeveloper.nvidia.com
上面这句是全文的干货，读者看到这里就够了。下面是心路历程安装和配置CUDA是跑深度学习程序前必要的一步，通常有两种安装方式：Conda安装（省事的方式）：用Anaconda，e.g., 用如下命令安装pytorch的时候，conda会自动配置好相应的cuda，无需自己
转载
2024-09-15 15:39:44
98阅读
0 查看电脑系统版本(非常重要)WIN+R->输入winver,系统版本号必须高于1703,否则CUDA9.0难以运行!!!!1 安装 NVIDIA 显卡驱动程序下载地址：驱动程序选择适合自己电脑的显卡驱动下载安装很简单，直接下一步就可以默认系统安装路径。2 安装CUDA 9.0下载CUDA前，先确认GPU显卡所支持的CUDA版本，控制面板-》NVIDIA控制面板-》帮助-》系统信
转载
2024-09-27 19:48:12
52阅读
学习机器学习的人都知道，训练的时候GPU比CPU要快很多。大部分人的显卡很一般，就算装tensorflowGPU版本，也不比CPU版本计算的快多少，于是我们可以用在线的免费的GPU计算资源kaggle。下面就来详细介绍下如何使用它进行计算。一、注册kaggle账号进入kaggle官网，点击右上角的Register注册账号，登陆的话选择sign in。注意的是，在注册的时候，验证码部分需要，
转载
2023-10-17 16:24:58
276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
# 教你如何在conda环境中更换Python版本
作为一名新手开发者，理解如何管理Python环境极为重要。Conda是一个非常流行的工具，可以有效地隔离和管理不同版本的Python及其依赖项。本文将详细介绍在conda环境中更换Python版本的流程和具体步骤。
## 流程概述
在更换conda环境中的Python版本之前，我们需要了解整个流程。以下是步骤的概览：
| 步骤 |
## 如何使用IDA将已创建的Java项目换成JAV版本
在进行项目开发中，有时候可能需要将已创建的Java项目转换成JAV版本以便在不同平台上使用。这个过程可以通过使用IDA工具来实现。下面将详细介绍如何通过IDA来完成这一操作。
### 步骤一：打开IDA
首先打开IDA工具，并选择需要转换的Java项目文件。在IDA的“File”菜单中，选择“Open Project”选项，然后选择需
原创
2024-05-26 05:43:03
53阅读
有时候有的项目要求很苛刻，有的需要CUDA>9.0，有的又要CUDA>10.0…无可奈何只能安装多个CUDA 文章目录环境配置CUDA下载安装（已存在一个）cuDNN下载安装环境变量配置测试 环境配置CUDA9.2，cuDNN7.1.4想了解如何配置正确的环境，避免包版本的冲突，可以到这里了解一下conda下载各种包时如何避免版本不匹配问题CUDA下载安装（已存在一个）gpu版pyto
转载
2024-04-17 15:31:54
305阅读
这篇博客写于2019年3月28日，大家在参考的时候注意时效性，不过万变不离其中，我只是想把这些个关系讲清楚，让大家少踩坑。Docker就是个容器，而deepo就是个镜像，镜像可以看做是类，而容器就是镜像的一个实例化，deepo镜像的环境很依赖系统的环境，但是相对来说，各个系统比较独立，比如在我的配置过程中，docker是可以启动服务的，但是deepo启动不了，是因为docker对于cuda9.0就
转载
2023-12-25 20:58:59
118阅读
# 使用Conda环境卸载Python并更换版本的指南
在数据科学和机器学习领域，环境管理尤为重要。Conda是一个流行的包管理和环境管理工具，可以帮助用户轻松地创建和管理Python环境。本文将介绍如何在Conda环境中卸载Python并更换其版本。
## 什么是Conda？
Conda是一个开源的包管理工具，广泛用于Python和其他语言。通过Conda，用户可以创建隔离的环境，使得在同
# 如何在 CUDA 环境中更改 Python 版本
在深度学习和高性能计算领域，CUDA 和 Python 是常用的组合。很多初学者在设置环境时可能会面临如何在 CUDA 环境中更改 Python 版本的问题。本文将为你详细介绍这一过程。
## 整体流程
我们可以将更改 Python 版本的流程分为以下几个步骤：
| 步骤 | 描述
# 虚拟环境换Python版本
在日常的Python开发中，有时我们需要在不同的项目中使用不同版本的Python。为了解决这个问题，可以使用虚拟环境来管理Python版本。虚拟环境可以让我们在同一台机器上同时使用多个不同版本的Python，而不会相互干扰。本文将介绍如何使用虚拟环境来切换Python版本。
## 创建虚拟环境
首先，我们需要安装一个用于创建虚拟环境的工具，可以使用`virtu
原创
2024-05-21 06:48:51
94阅读
我们在进行深度学习环境配置的时候，会遇到各种各样的问题。有各种各样的驱动、包需要安装。不同驱动和包之间的还存在版本适配问题，刚入手的同学会一脸懵逼。配置环境成了入门的第一道门槛。我现在总结了NVIDIA 显卡 + Anaconda资源库 + PyTorch深度学习框架的环境配置指南，希望能够帮助大家。显卡驱动安装
首先需要安装显卡驱动，显卡驱动不需要每个人安装，只需要拥有root的权限的管理者为整
转载
2024-09-04 11:01:28
844阅读
因有需求需要改动centos7中的CUDA(更新到10)和GUP 的driver(更新到410)的版本。 事先需要查看原版本的信息，使用nvidia-smi可以查看driver的版本信息(最新的也显示CUDA的版本信息)；使用nvcc –version查看CUDA的信息。服务器的基本配置是
转载
2024-01-12 02:09:28
643阅读
目录一. Conda简介二. Conda常用指令1. 虚拟环境管理2. 模块/包管理一. Conda简介Conda 是一个开源的包管理系统和环境管理系统，可在 Windows、macOS 和 Linux 上运行。Conda 可快速安装、运行和更新包及其依赖项，因此可以轻松地在计算机上创建、保存、加载和切换环境。它本是为 Python 程序而创造的，因为Python的版本比较多，并且它的库也非常广泛
转载
2024-01-17 16:23:24
228阅读
# Python查询已经创建的环境
在Python中，我们可以使用虚拟环境来隔离不同的项目。虚拟环境是一个独立的Python运行环境，可以在其中安装各种依赖包，而不会影响到全局的Python环境。在进行多个项目开发时，使用虚拟环境可以避免不同项目之间的依赖冲突，提高代码的可维护性和可移植性。
本文将介绍如何查询已经创建的虚拟环境，并提供相关的Python代码示例。
## 什么是虚拟环境？
原创
2024-02-05 04:12:02
106阅读
# Conda虚拟环境更换Python版本的完整指南
在数据科学、机器学习和软件开发的世界中，管理不同的Python版本和库变得尤为重要。Conda是一个功能强大的包管理和虚拟环境管理工具，能够帮助我们创建独立的Python环境，并在其中自由切换版本。本文将详细介绍如何在Conda虚拟环境中更换Python版本，并提供具体的代码示例和流程图帮助理解。
## 什么是Conda虚拟环境？
Con
# Conda Base环境如何切换Python版本
在使用Python进行开发时，我们经常需要在不同的项目中使用不同版本的Python。而使用Conda管理环境时，可以很方便地切换Python版本。在本文中，我们将介绍如何在Conda的base环境中切换Python版本，并提供示例代码。
## 为什么需要切换Python版本
有时候我们在进行开发时需要使用某个特定的Python版本，比如某
原创
2024-02-23 05:49:57
520阅读
在使用Anaconda进行数据科学和深度学习实验时，可能会遇到需要将虚拟环境中的Python版本进行切换的情况。为了更好地了解和解决这一问题，我决定将整个过程记录下来，提供详细的指导步骤。
## 环境预检
在更换Anaconda虚拟环境中的Python版本之前，首先进行环境预检。这一部分使用四象限图展示了不同版本的兼容性分析，便于开发者了解其可行性。同时我利用思维导图整理了相关的环境需求。
新版本的tensorflow和keras已经要求cudnn v6了，并且将来会升级到cuda9 和 cudnn7。 cudnn7最大的特点是支持group convolution, 这里原先的环境是cuda8， 将cudnn v5.1升级到 cudnn v6.0.21 [更新中]1. cuda, cudnn升级Nvidia-cudnn官网 https://developer.nvidi
基于Docker的深度学习环境部署1. 什么是Docker？2. 深度学习环境的基本要求3. Docker的基本操作3.1 在Windows上安装Docker3.2 在Ubuntu上安装Docker3.3 拉取一个pytorch的镜像3.4 部署自己的项目3.5 导出配置好项目的新镜像4. 分享新镜像4.1 将镜像导出为tar分享给他人4.2 或者将镜像推送到云仓库5. 使用新镜像6. 跨平台造
转载
2024-09-19 11:01:32
114阅读
