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
转载
2024-05-16 20:24:48
1796阅读
Linux安装Ubuntu18.04/显卡驱动/CUDA11.4/cuDNN8.2踩坑记录：【准备工作】在Ubuntu官网或者清华源软件镜像下载Unbuntu18.04的镜像文件：【为方便小伙伴们，这里给出两个地址，均可获得】 a) Ubuntu官网的镜像地址：https://ubuntu.com/download/desktop b) 清华源镜像地址：https://mirrors.tuna.
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
转载
2024-05-11 20:37:10
75阅读
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.
转载
2024-03-29 15:12:41
1404阅读
前言本文将介绍 CUDA 编程的基本模式，所有 CUDA 程序都基于此模式编写，即使是调用库，库的底层也是这个模式实现的。模式描述 1. 定义需要在 device 端执行的核函数。( 函数声明前加 _golbal_ 关键字 ) 2. 在显存中为待运算的数据以及需要存放结果的变量开辟显存空间。( cudaMalloc 函数实现
目录Win11+RTX3060配置CUDA等深度学习环境1. 下载前的准备工作2. 下载Anaconda3. 下载cuda4. 下载cudnn5. 小结 Win11+RTX3060配置CUDA等深度学习环境1. 下载前的准备工作查看nvidia设置，右击它点击nvidai控制面板，点击系统信息： 选择CUDA版本，在NVIDIA控制面板可以看到RTX3060驱动目前最高支持CUDA 11.6版本
转载
2024-03-29 23:01:20
2642阅读
首先说一下cudnn 不同版本是可以并存的， cudnn5系列要求在/usr/local/cuda/lib64 路径下要存在 链接到libcudnn.so.5.1.10 的libcudnn.so cudnn7系列只需要在/usr/local/cuda/lib64 路径下存在 libcudnn.so.7 就可以了，所以不
转载
2024-04-04 10:34:18
194阅读
本篇文章记录下自己安装pytorch的过程，由于我装过3~4次了，所以还算是比较有经验了。 文章目录1.检查电脑配置2.Anaconda的准备工作-添加国内镜像源3.下载3.测试 1.检查电脑配置右键打开 打开系统信息 切换为组件栏 在3D设置中找到自己的cuda版本，我这里是11.1。2.Anaconda的准备工作-添加国内镜像源打开anaconda的命令行。 添加国内镜像源，不单单是可以让我们
转载
2024-05-28 11:18:11
814阅读
深度学习pytorch框架环境搭建1.anaconda3的安装2.pycharm的安装3.cuda的安装4.cudnn的安装5.pytorch的安装 1.anaconda3的安装首先进入anaconda官网https://repo.anaconda.com/archive/ 注意：5.3以后的是python3.7的，3.7是一个比较稳定的版本。 如果官网下载不了可以去清华大学镜像下载。 清华大学
转载
2024-04-15 12:04:09
10000+阅读
Ubuntu16.04 系统Anaconda+cuda11.1+cudnn+pytorch安装一、Anaconda的安装与配置1.1Anaconda下载1.2Anaconda安装二、安装CUDA和CUDNN2.1NVIDIA驱动的安装2.2CUDA下载2.3CUDA安装2.4设置环境变量2.5CUDNN安装三、pytorch-torchvision安装 硬件环境：GPU RTX3090单卡。一、
转载
2024-05-09 10:43:30
279阅读
目录CPU与GPU同步方法详解源代码中的同步同步方法扩展代码解析扩展一：vectorAdd_nvrtc扩展二：vectorAddDrv这份代码非常的简单和基础，就把两个向量相加。CPU与GPU同步方法详解源代码中的同步代码很traditional，完全按照五步走，第一篇提到过的：开辟一块内存空间A（cudaMalloc或者cudaMallocHost，第二个函数开辟的空间可以在cpu和gpu同时访
一：认识游标 游标(Cursor)它使用户可逐行访问由SQL Server返回的结果集。使用游标(cursor)的一个主要的原因就是把集合操作转换成单个记录处理方式。用SQL语言从数据库中检索数据后，结果放在内存的一块区域中，且结果往往是一个含有多个记录的集合。游标机制允许用户在SQL server内逐行地访问这些记录，按照用户自己的意愿来显示和处理这些记录。 二：游标的基本形式 声明游标：形
转载
2024-10-13 19:43:28
34阅读
如果官网下载不顺利，可以到百度网盘下载1.安装显卡驱动查看你的显卡信息：lspci | grep -i nvidia。根据你的显卡型号到官方中文驱动下载页面下载驱动。该页面有安装指导。
禁用Nouveau驱动，重启。Ctrl+Alt+F1进入文本模式，输入sudo service lightdm stop关闭X服务器，输入sudo apt-get autoremove --purge nvidia
转载
2024-08-20 09:53:49
342阅读
1. 安装Anaconda3下载Anaconda3，我在百度上找的conda 清华镜像，地址为conda清华镜像下载地址，下载的版本为Anaconda3-2019.10-Windows-x86_64.exe，这个版本支持Python3.7.4。双击安装，按照默认的选项一直下一步就可以。检查是否安装成功，conda list。由于镜像源是国外的，添加中科院的镜像，使用conda config。con
转载
2024-05-11 21:12:30
85阅读
>> NVIDIA CUDA 4.1 Compiler Now Built on LLVMLLVM可是个好东西，在Apple力顶之下，这几年真是发展快快。LLVM是知名的开源编译器技术基础架构，其模块设计可方便的加入新语言和处理器架构支持，目前支持C/C++、Objective-C、Fortran、Ada、Haskell、Java bytecode、Python和Ruby等
一、前言windows10 下安装 CUDA ，首先需要下载安装包： CUDA toolkit（工具包）二、安装前的准备电脑环境检查 通过cmd，输入nvidia-smi查看自己的驱动版本和支持的CUDA版本，如下图红圈标记位置如果cmd 查不到，打开nvidia控制面板 (桌面右键) ----- 选择左下角的系统信息查看显示中的驱动版本查看组件中的支持CUDA版本下载 CUDA toolkitC
转载
2024-08-12 12:40:35
3733阅读
Linux环境配置1. 配置基本环境配置镜像源在系统设置–软件和更新中，选择清华的镜像源（mirrors.tuna.tsinghua.edu.cn） 安装多线程下载工具，之后可以用apt-fast 代替 apt-get# apt-fast, 即apt-get 的多线程版本， 可以不装
sudo add-apt-repository ppa:apt-fast/stable
sudo apt-get
转载
2024-04-12 12:53:43
656阅读
### Docker CUDA镜像
在深度学习和机器学习应用中，使用GPU加速训练可以大幅提升计算效率。而NVIDIA的CUDA是一种并行计算平台和编程模型，可以有效利用GPU进行加速计算。而借助Docker这一容器化技术，我们可以方便地部署和管理CUDA环境，使得开发和运行深度学习应用更加简单和便捷。
### Docker和CUDA
Docker是一种轻量级容器化技术，可以实现快速部署、可
原创
2024-06-20 06:20:28
81阅读
环境：Ubuntu 16.04，华为云ESC的GPU服务器（GPU: 1 NVIDIA T4 / 16G） 需要工具：Docker，nvidia-docker，tensorflow，python3.6Docker相关安装默认安装的Docker是不能使用Host的GPU设备的，Nvidia提供了一个plugin叫做nvidia-docker ，相当于在docker上面又封装了一层，可以在docker
转载
2024-10-15 19:53:28
100阅读
