1：2017年4月19号本来打算 在linux上面装个Keras+TensorFlow 学习一下 ，但是原来电脑的配置是ubuntu15.10+cuda7.5+cudnnV4+opencv3.1。在按照 http://keras-cn.readthedocs.io/en/latest/for_beginners/keras_linux/网站教程 安装过程中出现类似下图错误（提示找不到li
想要更新cuda11.7，需要的驱动最低版本515.65.01，而我的电脑原驱动为470，需要更新。1. 卸载原驱动使用了命令：sudo apt-get purge nvidia-*
sudo apt-get autoremove用以下命令检查是否卸载干净：sudo dpkg --list | grep nvidia-*发现有ii文件残留，当时没管。2. 安装新驱动（1）系统自带安装（出问题）通过
转载
2024-06-18 14:27:15
438阅读
一. 电脑配置如下：写在前面，本机的电脑配置如下：System：windows 10 专业版 （64位）CPU：i5-9400FRAM：16G（2666MHz）显卡：GEFORCE GTX 1660 Ti （万图师 Ti OC）首先，在安装之前需要查看显卡所能支持的最高CUDA版本，打开【NVIDIA控制面板】，选择左下角的【系统信息】选项，并点击【组件】按钮进入到如下界面：从图中我们可看出，GT
转载
2024-09-05 07:06:34
263阅读
前提：最好自己重新创建一个环境，要不然很容易把以前的环境整废1.看自己电脑的cuda版本：cmdnvidia-smi注：NVIDIA-SMI:512.59,Driver Version:512.59,表明当前驱动版本是512.59CUDA Version:11.6,表明当前驱动可以安装的cuda最高版本是11.6关于NVIDIA驱动要求，和驱动直接关联的是CUDA的版本。如果安装的是CUDA=10
转载
2024-04-26 09:46:48
251阅读
TF2.0 GPU环境搭建啊哈，总是死在环境配置和安装上的我，为了升级TensorFlow一起来配置，不要慌，不要慌。先捋捋系统：Linux x86_64，Ubuntu16.04显卡：GeForce GTX 1080Ti我需要安装tensorflow 2.0 GPU版本的，先去官网寻瞅一下最低需求： https://tensorflow.google.cn/install/source?hl=en
转载
2024-07-17 22:24:13
117阅读
为了跑YOLOv5配置环境走了很多弯路，现在将详细不走记录下来，供以后参考。 一、显卡驱动安装 参考了这位大佬的文章：【Python学习】Ubuntu18.04从零开始安装CUDA与cuDNN_YirongChen的博客-但是具体的显卡驱动版本，最好根据下面流程确定：先确定cudnn版本、再确定cuda版本、再确定显卡驱动版本。cudnn、cuda、显卡驱动对应关系见（点某个版本的cud
转载
2024-04-17 14:33:24
336阅读
1.CUDA对应的NVIDIA驱动版本对照表，参考一下表格2.显卡驱动安装，参考这里我这里选择安装的显卡驱动是NVIDIA-Linux-x86_64-410.78.run，安装是否成功，可以输入这个命令nvidia-smi，如果有显示GPU信息，那就是安装成功了。3.cuda安装装cuda首先需要降级：sudo add-apt-repository ppa:ubuntu-toolchain-r/t
转载
2024-07-22 12:41:25
2205阅读
1.dim3是基于unit3定义的矢量类型，相当于3个unsigned int型组成的结构体。2.通常，block的数量应该至少是处理核心的数量的几倍，才能有效的发挥GPU的处理能力。3.关于shared memory的分配，有两种方式。其一就是静态分配，此时在调用kernel程序时是没有指定大小的，而是在kernel程序中通过_shared_来分配，注意此时一定要指明分配大小。其二是
背景出于复现他人代码的需要，有时候我们需要在系统里安装不同版本的pytorch或者tensorflow深度学习框架。而多数情况下，这些框架不同版本之间的兼容性并不是太好，即我们无法在同一个conda虚拟环境里复现其他作者的代码结果。因此，知晓如何在系统里安装pytorch与tensorflow，并使之正常工作就显得尤为必要。本文基于以上教程，在Ubuntu18.04安装了pytor
转载
2024-07-29 08:35:49
1366阅读
建议全文看完再操作查看显卡1.查看自己gpu的型号2.查看cuda是否支持自己电脑的gpu型号3.查看driver version 和cuda versionanaconda中新建环境安装清华镜像源进入pytorch官网选择对应的命令换源安装测试 查看显卡1.查看自己gpu的型号ctrl+Alt+delete 打开任务管理器，点击性能，2.查看cuda是否支持自己电脑的gpu型号进入NVIDIA
转载
2024-05-06 12:32:20
635阅读
cuda torchtorch torchvison
转载
2021-03-31 16:33:00
3357阅读
2评论
SM硬件架构基础不同架构的变化可以参考：Volta GV100 Streaming Multiprocessor (SM)GA100 Streaming Multiprocessor (SM)GA102 Streaming Multiprocessor (SM)上面展示了几个不同架构SM的区别，需要注意一些比较显著的异同点：每个SM分成了4个子块，注意哪些部分是这4个子块共享的，哪些是这4个子块独
Ubuntu18.04安装Tensorflow1.8.0（GPU版)先说一下环境配置：系统：Ubuntu18.04 GPU: MX110注意：安装之前一定要先把CUDA和cuDNN的版本搞清楚了，因为CUDA与cuDNN的版本必须要和Tensorflow的版本对应上，否则即使安装成功，最后在python环境里导入tensorflow时也会报错。如下图所示，本文选择的版本是Tensorflow1.8
welcome欢迎学习使用报错模拟器Ubuntu系统安装ubuntu安装Nvidia驱动和cudapython的安装我想想～还有torch备注莫得了 欢迎学习使用报错模拟器 安装这些系统和软件快要疯了，走了很多弯路，把以前的坑都记下来，以后或许也用得上。也或许可以帮助到之后的小盆宇。 Ubuntu系统ubuntu现在主流的应该是16.04吧，对于cuda学习来说14.04/18.04应该是都可
pytorch 1.8.1 + CUDA11.1 对应的DGL-cu111版本是0.6.1。改成你想要的版本，比如。
原创
2024-09-11 10:38:50
5948阅读
1、查看自己电脑是否匹配GPU版本。设备管理器查看。查看官网是否匹配。地址：https://developer.nvidia.com/cuda-gpus **2、进入NVIDIA对电脑版本进行查**看。如果可以的的话可以自己卸载原来版本，后安装新版本。安装地址https://developer.nvidia.com/cuda-toolkit-archive接下来，进入NVIDIA安装过
最近在学习JAVA 注解这块总是一知半解、模模糊糊的，特地抽出时间对注解知识做个全面梳理，希望对其他初级学习者能有所帮助，文章转载并手动试验代码。什么是注解Annotation（注解）就是java提供了一种元程序中的元素关联任何信息和着元数据的途径和方法。Annotation（注解）是一个接口，程序可以通过反射来获取程序元素的Annotation对象，然后通过Annotation对象来获取注解里面
CUDA：用于GPU编程的语言，跑TF的时候用了GPU，TF里面很多函数（或者依赖库）是CUDA语言编写的。不同TF版本需要不同的CUDA。cuDNN：NVIDIA为深度学习，矩阵运算写的一个加速库。CUDA版本必须和cuDNN版本匹配。cuDNN和TF版本匹配与否则无所谓（不过CUDA和TF版本必须匹配，所以cuDNN版本和TF版本是间接依赖关系）。TF：这个没什么好说的。个人经验，别用太新的，
转载
2024-10-28 07:03:38
350阅读
前两天花了一天多的时间安装tensorflow，我想大部分同学都是用来想做机器学习，深度学习的吧，以下是我整理的一些过程和心得。建议从头开始按一个博客来，不建议一会跟着这个博客操作，一会又跟着另一个操作，同时希望大家在学tensorflow前别被安装tensorflow折磨而失去了动力，于是就有了这篇博文。前提：已装好了Anaconda（没装过得同学可以去其他博客看一下，把他装好哦，记得配置环境变
