这些天很忙有些时间没上来写东西了，怕时间久了忘记遇到过的各种错误及解决办法的细节，今天周末来补上前面没做完的功课。 前面说过，需安装什么版本的CUDA和cuDNN取决于你安装的Tensorflow GPU版本对应支持到了哪个版本的CUDA，Tensorflow1.8仍只支持到了CUDA9.0，所以你盲
1.安装显卡驱动a.下载地址 根据自己的显卡类型、系统类型选择，下载好是.run文件b.安装显卡驱动 （1）屏蔽nouveau驱动 Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。 所以我们要先把驱动加到黑名单blacklist.conf里，我们要先修改该文件的属性才能编辑修改属性 sudo chmod 6
安装及配置过程一、下载安装CUDA Toolkit1.查看操作系统版本及支持CUDA版本2.官网下载并安装对应版本CUDA3.配置环境变量4.测试CUDA安装是否成功二、下载安装cuDNN1.官网下载对应版本cuDNN一、下载安装CUDA Toolkit1.查看操作系统版本及支持CUDA版本1）查看系统版本uname -a 2）查看系统支持CUDA版本 图中标红处说明此系统支持CUDA最高版本为：
转载
2023-11-18 20:58:14
317阅读
MX能迅速跑到Linux发行版的前面，秉承Debian最优良的稳定性传统而又放心引入较新Linux内核是最主要原因。这不是某些无知linux“撸客”在虚拟机上比划三两下就能理解的。本文和本人都不喜欢掺和发行版的争论，此话题到此为止。下面介绍MX的另一大杀器——MX-Live-usb系统。相比Debian以及其他发行版的LiveUSB，MX的Live系统的主要特点是：操作系统可定制、可更新用户文件可
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
Windows7 64位CUDA10.1开发环境安装教程一、环境说明1、软件环境windows10 64位CUDA 10.1Visio Studio 20172、硬件环境（1）查看本机显卡（2）下载显卡驱动（3）下载CUDA开发工具下载CUDA 10.1二、安装配置1、安装显卡驱动和CUDA 10.12、测试环境出现以上信息配置成功3、编译测试文件（1）找到以下文件，并使用VS2017打
在使用Linux操作系统的过程中，有时候我们需要查看已经安装的CUDA版本。CUDA是由NVIDIA开发的并行计算平台和编程模型，主要用于加速应用程序的运行速度，特别是深度学习和人工智能领域。
为了查看已安装的CUDA版本，我们可以采用以下几种方法：
1. 命令行方式：
在终端中输入命令`nvcc --version`，即可查看当前系统上安装的CUDA版本。这条命令通常会显示CUDA版本号、
原创
2024-05-23 09:56:03
2404阅读
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
文章目录1.前置知识2.查看显卡驱动版本号3.查看显卡驱动版本号和CUDA版本对应关系4.查看经典的CUDA版本号5.安装CUDA5.1.下载CUDA安装包5.2.执行CUDA安装5.3.配置环境变量5.4.CUDA多版本管理 1.前置知识如果Ubuntu系统还没有安装显卡驱动，参考这篇文章：Ubuntu20.04LTS安装RTX-3060显卡驱动2.查看显卡驱动版本号当显卡驱动安装完成后，需要
转载
2024-04-16 16:03:47
10000+阅读
点赞
前言OpenMMLabb不同订单库需求不同的cuda版本，一直没找到一个完全完整靠谱的教程，这是我参考几个博客完成测试的全过程记录，方便以后操作，无任何商业用途，如有侵权，请联系删除。注：Ubuntu22.04系统，已安装CUDA11.7版本，现在安装CUDA11.3版本 选择指定的CUDA版本，选择你的系统架构版本。【11.3-11.7】注意：芯片架构不懂的可以点击查看解释：Architetur
转载
2024-08-12 10:55:16
337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
首先说明一下cuda和cuDNN的概念CUDA的官方文档（参考资料1）是这么介绍CUDA的：a general purpose parallel computing platform and programming model that leverages the parallel compute engine in NVIDIA GPUs to solve many complex comput
转载
2024-10-12 19:49:59
44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
文章目录第一步：检测显卡的计算能力以及匹配的cuda版本第二步：检查显卡驱动版本以及可适配的cuda版本第三步：安装CUDA 10第四步：设置cuda的 路径变量第五步：运行CUDA example,验证安装是否正确第六步：下载并安装CuDNN 在系统 显卡安装完成以及 旧版本卸载后，初装cuda toolkit。 第一步：检测显卡的计算能力以及匹配的cuda版本可以从wiki或官网来查： 我
ubuntu16.04系统下NVIDIA驱动、cuda和cuDNN的安装及版本匹配关系在学习深度学习的过程中，往往调用GPU来提高性能速度，那么NVIDIA驱动、cuda和cuDNN的安装必不可少。 本人刚开始在安装过程中由于没有考虑到版本匹配问题，结果安装失败，这里首先介绍一下部分NVIDIA驱动、cuda和cuDNN的版本匹配关系：NVIDIA驱动和cuda版本匹配关系：cuda和cuDNN的
背景： 最近在进行某项算法工程部署任务时用到了比较老的torch1.6版本，在更换版本后发现环境出现了各种冲突，首先时torch与cuda的版本冲突，在更换cuda版本后发现显卡（注意这里不是驱动，而是显卡本身）与cuda产生了冲突，因此想要整理一篇来理清显卡、显卡驱动、cuda、torch四者之间的关系
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
本文是基于windows10操作系统配置MXnet环境，且搭建GPU版本mxnet的运行环境。MXNet深度学习框架对于电脑和操作系统有如下要求： 1.操作系统是64位的; 不能是32位的操作系统。 2.拥有支持cuda的NVIDIA显卡 1.0k。（可选，可以没有显卡，只用CPU也可以）总结来讲就是你电脑的系统必须是64位的，不能是32位的，因为mxnet没有32位的安装包。电脑有支持
转载
2024-08-18 13:37:02
558阅读
针对的是英伟达GPU。操作步骤如下： 打开NVIDIA Control Panel（NVIDIA控制面板）
原创
2022-10-19 20:06:26
1251阅读
# PyTorch GPU 对应的 CUDA 版本指南
在深度学习的实践过程中，如果你想利用显卡加速模型训练，那么你需要安装与 PyTorch 兼容的 CUDA 版本。为了帮助你了解如何确认和安装正确的 CUDA 版本，接下来的内容将分为几个步骤，并附上相关代码和示例。
## 流程概览
下面是确定和安装 PyTorch 不同版本的 CUDA 的流程：
| 步骤 | 描述
