前段时间因为科研需要安装linux系统，之前在虚拟机上安装过ubuntu，但是性能啥的有很多问题，没有双系统稳定。这次安装ubuntu系统历经两三天，电脑强制开关机无数次，我也崩溃了很多次。好在经过我的锲而不舍，问题都一一解决了，感觉挺有成就感，记录下来作为参考。准备工作不做赘述，可以参考：，主要从选择U盘启动项开始讲起。选择U盘作为启动项，第一项为使用ubuntu而不安装，进去之后试用ubunt
前言
下面的命令大都需要在 控制台 / 终端 / shell 下输入。
控制台, 终端, 和 shell 意味着同样一件事 - 一个命令行界面， 他可以用来控制系统。
打开一个控制台:
应用程序 --> 附件 --> 终端
任何一个使用 'sudo' 作为前缀的命令都需要拥有管理员 (或 root) 访问权限。 所以你会被提示输入你自己的密码。
转载
2024-07-29 10:31:10
123阅读
在炼丹的时候我们会碰到下面两种情况:想连续跑多个训练测试，可以新建一个sh文件，里面按行写上各条命令，然后直接运行这个sh文件就行。这种方法是最简单的，在自己固定有卡和各条命令之间时间逻辑先后关系考虑好，每条命令都能运行的情况下是可以的（这样不用往下看了）还有一种情况，就是自己没有固定的卡，想在别人运行完自己第一时间跑上。或者在上一种情况下，第二条命令还没及时调试好，但是先想让第一条命令先运行着，
一、GPU 利用率的定义本文的 GPU 利用率主要指 GPU 在时间片上的利用率，即通过 nvidia-smi 显示的 GPU-util 这个指标。统计方式为：在采样周期内，GPU 上面有 kernel 执行的时间百分比。二、GPU 利用率低的本质常见 GPU 任务运行流程图如下： 如上图所示，GPU 任务会交替的使用 CPU 和 GPU 进行计算，当 CPU 计算成为瓶颈时，就会出现 GPU
转载
2023-11-16 21:30:49
100阅读
一直想将自己的台式机安装Ubuntu系统来使用，因此有了这篇文章来记录一些从win迁移到Linux的软件的安装。配置说明以及系统版本电脑配置是2070，来训练模型。cuda10.0安装：cuda10并不需要对gcc的版本进行降级，本身就支持gcc7，所以安装过程相对简单很多，参考链接cuda10.0以及cudnn安装（借鉴1）。但是更推荐采用conda的方式安装，因为不需要自己单独安装cuda和c
目录1、环境配置1.1 笔者环境（亲测可用）1.2 Cuda10.1安装1.3 cudnn 7.6.2安装1.4 TensorRT 5.1.5安装2、RangeNet++源码编译3、运行demo 1、环境配置1.1 笔者环境（亲测可用）Ubuntu18.04 GPU：GTX1060 6GB 驱动：Ubuntu推荐的nvidia-driver-470 Cuda10.1 + cudnn7.6.2 +
Faster R-CNN-python ubuntu14.04 GPU下配置最近想开始学习一下深度学习的开源库，便以fasterRCNN进行入手学习。废话不多说，开始安装。1.安装caffe所需的依赖项需要说明一下，caffe是一个开源库，而fasterRCNN-py则是基于caffe源码修改后的一个实现fasterRCNN的库，因此fasterRCNN本身运行与官方caffe库没关系，只要编译修
转载
2024-10-11 12:44:40
69阅读
大家好，我是Mr数据杨。就像三国时代的各个王国选择了最适合的战略，首先需要做的是Python版本的选择。这就像当时的曹操、刘备、孙权需要选择合适的战略，是否积极扩张还是先稳固自身的基础。同样地，选择最适合的Python版本是第一步。接着来到了NVIDIA配置流程。这有点像诸葛亮给蜀国建立了一套完善的规章制度。也需要配置好硬件环境，让Python可以在NVIDIA显卡上顺畅运行，发挥出最大的潜能。再
转载
2023-07-24 23:45:34
690阅读
对于初次使用GPU加速代码的学习者来说，需要在电脑上安装支持GPU加速的部件，分以下三个步骤：安装支持GPU版本的Pytorch（非cpu版本）安装GPU版本的pytorch,在如下地址进入下载：https://pytorch.org/ 请选择好自己的操作系统和CUDA版本，使用图中的命令在Anaconda Prompt中运行‘run this Com
转载
2024-02-07 23:09:28
31阅读
1. 查看已安装的程序的方法dpkg -l | grep 'program_name'2. Linux任务/进程前后台切换将后台中的命令调至前台继续运行： fg %jobnumber
将一个在后台暂停的命令，变成继续执行 （在后台执行）： bg %jobnumber3. 显示目录或文件的大小du 会显示指定的目录或文件所占用的磁盘空间
du -sh <指定的目录>
#参数解析
-s
转载
2024-05-30 22:56:15
46阅读
ubuntu 运行 Python程序 ubuntu如何运行python
转载
2016-06-11 17:58:00
470阅读
matlab在运行一些大型程序时会比较慢，如果你的电脑正好有一张不错的显卡，那么为什么不用显卡来加速matlab运行呢？本文将讲解如何使用gpu来加速matlab运行程序，并总结适合gpu加速的matlab程序。准备工作：电脑上要有显卡，显卡要有cuda core。目录1. 认识你电脑的GPU2. 内存数据搬运3. GPU加速举例4. GPU加速方法5. 适合GPU加速的程序1. 认识你电脑的GP
在使用 PyCharm进行机器学习的时候，我们常常需要自己创建一些函数，这个过程中可能会浪费一些时间，在这里，我们为大家整理了一些常用的 Python加速方法，希望能给大家带来帮助。 在 Python中，我们经常需要创建一些函数来处理数据、计算和执行操作。对于数据处理，我们可以使用 python内置的 sql语句来进行。在之前的文章中，我们介绍了如何将函数转化为 gpu代码、如何使用
转载
2023-08-04 11:14:28
954阅读
引用参考： 一. 安装环境Ubuntu16.04.3 LSTGPU: GeForce GTX1060Python: 3.5
CUDA Toolkit 8.0 GA1 (Sept 2016)cuDNN v6.0
转载
2024-06-17 17:32:27
0阅读
写在前面一些废话接触深度学习已经有一段时间，之前一直在windows下使用Theano，但是发现Theano天书般的源码真是头大，在看到tensorflow中文教程后，发现它竟然逻辑清晰，教程丰富，实在是居家旅行必备良药啊![偷笑][偷笑][偷笑]所以决定利用国庆假期学习ubuntu和TensorFlow的安装，结果入坑无数，同时搞坏了一块1T硬盘(花了450大洋啊，心在滴血…)。初步估算，整个
转载
2024-06-29 21:58:57
55阅读
摘要：本文详细介绍了在Ubuntu 18.04下如何配置深度学习GPU（显卡）环境，包括了显卡驱动下载安装，环境配置等。按照本教程的步骤在多台服务器上安装都取得了成功，是在多种方法的比较之下个人整理的认为最新的简洁有效的做法，其要点如下：安装显卡驱动安装Cuda 10.0安装cuDNN前言GPU作为深度学习的一个强有力工具，特别擅长处理矩阵并适用于深度学习等专业应用程序。一般地，深度学习的模型可以
转载
2024-04-04 06:49:15
1591阅读
1. 运行方式一新建test.py文件：
touch test.py 然后vim test.py打开并编辑：print 'Hello World' 打开终端，输入命令：
python test.py 输出：
Hello World 2. 运行方式二这部分内容只对Linux/Unix用户适用，不过Windows用户可能也对程序的第一行比较好奇。首先我们需
转载
2023-05-24 21:33:32
696阅读
经历了半天得研究，终于把conky的配置文件搞明白了，于是自己改了一个，主要把ATI相关的性能显示出来特此记录备份。ps:ATI显卡在linux上就是悲剧！ 补充说明： aticonfig命令提供了对显卡各种参数的详细设置与显示，为了得到显卡温度始终频率等信息，必须使用命令初始化一下，主要就是aticonfig自动备份xorg的配置文件：sudo ati
转载
2024-03-15 20:28:07
80阅读
*本文只适用于win10系统 nvidia显卡*pytorch是基于python的一个深度学习框架，个人觉得比tensorflow好用，绝对不是因为我电脑用tensorflow一直有bug的原因：)使用gpu进行并行计算会比cpu更快(我也不知道为什么)，但是在网络较小的时候据说优势也不是很明显。第一步 安装python点击downloads然后在里面选择windows系统，红
转载
2023-09-18 20:46:50
119阅读
1 概述由于最近项目全部由python2.x转向 python3.x（使用 python3.7.1） ,之前的云主机的的默认python版本都面临升级，故进行了升级后将相应的步骤记录下来，作为学习笔记吧。服务器运行环境：ubuntu 18 LTS Server(同样也适合14，16，还有MacOS)本安装方式具有如下特点:不影响已经有的python环境增量式安装完全隔离的沙盒环
转载
2023-09-14 22:52:25
177阅读
