CUDA samples系列 0.4 cppOverload基础知识int与int2类型强制类型转换函数指针函数重载设定核函数属性ShareMemory源代码解析 基础知识这份代码介绍了核函数重载的方法，先介绍一些需要的基础知识。int与int2类型int是四个字节，32位； int2类型是2个int，可以分为2个int：int2 position；
position.x = 1;
positi
转载
2024-04-24 11:07:36
243阅读
本文安装环境： - 双显卡： intel 集显 + nvidia 独显 - Ubuntu 18.04.4 - CUDA 11.7 1. Deb 安装包是个坑 (不要用这种方法！)使用 Deb 安装包 cuda-repo-ubuntu1404-8-0-local_8.0.44-1_amd64.deb，安装完成之后，重启出现黑屏， - 出现黑屏后解决方法： （1）
2021/2/4 安装cuda+cudnn（参考:https://geek-docs.com/pytorch/pytorch-tutorial/pytorch-optimization.html） 我之前已经安装好了查看了一下我安装的cuda版本是11.1，但查看了这个网站,https://www.tensorflow.org/install/source#common_installation_
目录零、环境一、安装合适版本的显卡驱动二、安装 Cuda 8.01.下载2.预备3.安装4.配置环境变量5.验证安装三、安装cuDNN v5.11.下载2.解压3.配置4.验证安装四、验证五、问题与解决问题原因解决方法零、环境Ubuntu 18.04 显卡 940MX
安装Cuda8.0+Cudnn5.1
由于Ubuntu 18.04自带的gcc版本为7.5.0,下文中使用了建立软链接的方式，
第七章 树1.求树的深度class Solution {
public int maxDepth(TreeNode root) {
if(root == null)return 0;
return Math.max(maxDepth(root.left),maxDepth(root.right)) + 1;
}
}思路：递归。 将root.left和
原来的系统及相关配置： ubuntu18.04 + CUDA10.1 + cuDNN7.6.4 由于需要测试的source code使用的是tensorflow1.2版本，需要CUDA8.0支持，故尝试在已有的10.1版本的情况下安装CUDA8.0。过程中踩过一些坑，特此记录下来。0. 下载安装CUDA8.0https://developer.nvidia.com/cuda-80-ga2-down
1 安装CUDA1.1 查找Nvidia适用的CUDA版本桌面右键，【打开 NVIDIA控制面板】 查看【系统信息】 查看NVIDIA的支持的CUDA的版本，下图可知支持的版本是 10.1 1.2 下载CUDACUDA下载官方网址https://developer.nvidia.com/cuda-toolkit-archive找到适合的版本下载
转载
2024-08-26 14:49:15
1099阅读
方 形 共 享 内 存 使用共享内存可以直接缓存具有方形维度的全局数据。方形矩形的简单维度可以很容易从二维线程索引中计算出一维内存偏移。下图显示了一个共享内存块，它在每个维度有32个元素，且按行主序进行存储。上部的图显示了一维数据布局的实际排序，下部的图显示了带有4字节数据元素和存储体映射的二维共享内存逻辑视图。 使用下面的语句静态声明一个二维共享内存变量：__shared__ int til
目录前言一、 VS2019配置CUDA v10.0二、解决模板无法生成的问题（1）思路（2）安装VS2017编译器（3）原因分析（4）问题解决三、奇偶排序算法实现及结果分析（1）串行部分（2）并行部分 前言初次尝试CUDA编程，在Windows上配置CUDA环境属实麻烦。而且Visual Studio 2019在我做实验时还不支持CUDA，只能自己一步步踩坑配置一个模板…一、 VS2019配置C
1.安装新版CUDA前先卸载旧版本CUDA,否则会有莫名其妙的错误到控制面板里去找卸载软件，除了图形/声卡驱动和PhysX之外，带有Nvdia和8.0字样的全都卸载即可2.CUDA安装选择自定义安装,只需选择CUDA下面的4项就够了（默认是全选的。。。）,全装可能有问题.安装完成后重启电脑2.1命令行测试打开命令行,输入nvcc --version出现版本信息即为成功2.2编译测试文件打开文件夹C
cudart64_100.dll not found运行，出现cudart64_100.dll not found问题 打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin 发现，没有cudart64_100.dll，只有cudart64_101.dll 估计v10.1版本过新，所以安装v10. 具体步骤： 官方安装教程 CU
转载
2024-10-15 16:11:49
468阅读
1.关于CUDA安装出现的问题1.CUDA是我们进行SLAM学习所必定需要的工具，以下便是我在ubuntu系统下安装CUDA9.0时出现的问题以及解决办法2.由于本人，不会打开命令行界面（学着网上操作也打不开），所以我使用的是图形界面.但是使用图形界面的话安装CUDA自带的驱动可能会出现问题，所以我推荐的是，点在Ubuntui系统中的软件与更新中[外链图片转存失败,源站可能有防盗链机制,建议将图片
最近准备学Linux，首先得准备好Ubuntu18.04，教程很多。 直接进入正题吧[1] 安装Pycharm—>Pycharm安装 激活的话，tb解决省事[2] 安装完会发现桌面上没有快捷方式，估计你们也应该没有，可以看这个博客—>Pycharm桌面快捷方式[3] 安装Anaconda Python3.6版本，我使用的是清华源按照这个博客里写的下载，版本不用太高，接着看这个博客安装教
近期使用python+keras+unet网络训练了一个图像分割模型（.h5），因为最终需要在C++中使用，所以需要2步转换：模型转换（h5 —> pb）：需要的朋友可以参考一下之前写的文章。模型转换
编译tensorflow，生成C++库：本文重点说明的内容。说明：keras没有c++相关接口，所以不能直接在c++中调用由keras.save生成的h5模型，需要将其转换为pb模型，由ten
CUDA安装失败原因一般CUDA安装失败都是由于其中Visual Studio(VS) Intergration无法安装导致的： 当然可以通过自定义的方式取消Visual Studio Intergration进行安装， 然后再重新用CUDA安装程序将Visual Studio Intergration单独装上去，不过这种方法成功概率不大。并且随之而来的问题就是在Visual Studio编译
文章目录下载arucoopencv安装opencv编译配置编译配置测试代码aruco编译配置aruco编译aruco配置参考文章 下载arucoaruco官网源码下载aruco opencvVS2019配置OpenCV（windows）安装opencv编译配置编译输入编译的源代码路径和编译后文件存放地址（可以自己定义），点击configure选择vs2019即可运行之后，会有很多红色目录，然后手
安装基于TensorFlow 2.10.1、CUDA 11.8、cuDNN 8.8.1以及PyTorch 2.0.0的深度学习环境涉及到多个组件的协调安装。以下是一个大致的步骤指南：1. 安装CUDA 11.8下载CUDA Toolkit 11.8： 访问NVIDIA官方网站，下载与你的操作系统和硬件兼容的CUDA Toolkit 11.8安装包。安装CUDA Toolkit： 按照官方安装指南进
如有驱动了，可以直接跳到cuda部分看安装cuda只需要看1，2，4，5即可，一般gcc已经安装了无需重复安装。本文安装cuda是直接安装到linux的环境中的，后来我发现似乎可以不更改linux的环境，而是只更改anaconda的虚拟环境，你可以试一试# 自己更改版本
conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.e
转载
2024-07-19 10:49:30
1854阅读
说在前面 我解决这个错误花了一天多不到两天的时间 感谢各位大佬的帮助 我太菜了 在这期间 我经历了看了百度里面的几乎所有的博客 但是依然不好使...这个是和我遇到了同样问题的一个大佬，看了他这篇博客之后觉得他说的话就是我想说的....下面是建立
CUDA查询设备信息CUDA C中的cudaGetDeviceProperties函数可以很方便的获取到设备的信息，函数原型是：cudaError_t CUDARTAPI cudaGetDeviceProperties(struct cudaDeviceProp *prop, int device); 第二个参数device是从0开始的设备的编号。第一个参数prop指向的是一个cudaDevic
