需要注意的说在前头，下面卸载和安装cuda可以参考给的链接里的内容，操作是一样的，但是cudnn与cuda文件的配置以及环境变量的配置不要按照那两篇博客的来，因为它针对的是cuda10.0的，文件结构的变化还是挺大的。第三个目录的"将cudnn部分文件放入cuda中"是我本身成功的经历，而且版本是10.2的，这个可以参考。卸载cudawindows下CUDA的卸载以及安装 按照这里的步骤卸载cud
Anaconda安装脚本下载Anaconda环境首先需要去官网去确认你要下载的版本，根据你的Ubuntu的环境。博主使用离线下载的方案，选择的是Anaconda3-4.0.0-Linux-x86_64.也可以直接通过命令行下载：wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.0.0-Linux-x86_6
转载
2024-07-10 05:05:49
66阅读
深度学习等计算密集型任务很关注设备的峰值算力，落实到具体指标，就是大家都很关心T(FL)OPS (Tera (FLoat) OPerations per Second)。这里，operations具体指的就是乘加操作。该指标在GPU上是明确标示供查的，但CPU目前并不会在spec中暴露TOPS指标。一种方法可以通过跑BLAS的benchmark来测量的，这种方法有两个问题：一是需要一定的操作成本，
dstwo作为史上最为优秀的一款nds烧录卡，这个烧录卡不仅支持完美运行nds游戏，还可以利用强大的硬件来运行许多经典模拟器游戏，其中就包括经典的sfc模拟器，下面给大家带来一款目前在兼容性和速度最好的dstwo用sfc模拟器插件Catsfc的使用教程及更新日志。dstwo sfc模拟器插件Catsfc的众多优点：安装方法：将catsfc.plg, catsfc.bmp, catsfc.ini放到
tf.GPUOptions(allocator_type , allow_growth , deferred_deletion_bytes, force_gpu_compatible,
per_process_gpu_memory_fraction , polling_active_delay_usecs, visible_device_list)allocator_type： str，要使用的
转载
2024-04-10 12:52:38
83阅读
之前写过关于windows下安装支持GPU的matconvnet以及tensorflow的博客，具体参照: 这次稍微记录下ubuntu下安装支持gpu版的tensorflow吧，毕竟我觉得还是挺简单的。。系统：Ubuntu16.04########################################## START####################################
转载
2024-03-28 11:24:39
701阅读
如图 代码所属：https://github.com/bubbliiiing/ssd-tf2怕到时候改坏了 unbelievable（不是）import time
import cv2
import numpy as np
import tensorflow as tf
from PIL import Image
from ssd import SSD
gpus = tf.config.ex
转载
2024-06-19 05:45:10
41阅读
安装支持GPU的tensorflow前提是正确安装好了 CUDA 和 cuDNN。
CUDA 和 cuDNN的安装见 Nvidia 官网和各种安装教程，应该很容易，重点是要选准了支持自己GPU的 CUDA 版本，再选准支持 该 CUDA 版本的 cuDNN版本。
关于CUDA：
tensorflow-gpu 1.5 及以上版本要求 CUDA 版本为9.0;
如果本机装的 CUDA版本是8，安装
转载
2018-03-19 08:13:00
223阅读
2评论
# 如何在Ubuntu上安装GPU版本的PyTorch
随着深度学习和人工智能的发展，越来越多的开发者开始接触并使用PyTorch。对于初学者来说，安装PyTorch可能会有些复杂，尤其是需要配置GPU加速。本文将为大家提供一个详细的指南，帮助你在Ubuntu系统上成功安装GPU版本的PyTorch。
## 安装流程概览
下面是安装PyTorch GPU版本的基本步骤：
| 步骤 | 描述
# 在 Ubuntu 上安装 PyTorch GPU
随着深度学习的兴起，PyTorch作为一款强大的开源机器学习库，受到了越来越多研究者和开发者的青睐。在本篇文章中，我们将在 Ubuntu 操作系统上安装支持 GPU 的 PyTorch，并展示如何进行简单的实验。同时，文中将包含一些使用代码的示例。
## 安装前的准备
在安装 PyTorch 之前，我们需要确认系统是否支持 NVIDIA
原创
2024-09-06 04:23:33
500阅读
# 在Ubuntu上安装PyTorch GPU的详细指南
欢迎来到这篇关于在Ubuntu上安装PyTorch（GPU版本）的指南！作为一名新手开发者，了解如何配置自己的开发环境是非常重要的。PyTorch是一个非常流行的深度学习框架，支持GPU加速。本文将引导你一步步完成这一过程。
## 流程概述
接下来，我们将步骤列出，并以表格的形式展示。这样你可以一目了然地了解大致的流程。
| 步骤
安装NVIDIA驱动准备工作下载NVIDIA地址：https://www.nvidia.cn/Download/index.aspx?lang=cn查看是否安装好驱动命令：nvidia-smi查看NAVIDIA的型号：lspci |grep -i nvidia查看NVIDIA驱动版本：sudo dpkg --list | grep nvidia-*检查适合系统的NAVIDIA版本：nvidia-d
TensorFlow Lite 在GPU环境下 TensorFlow Lite支持多种硬件加速器。本文档介绍如何在安卓系统（要求OpenGL ES 3.1或更高版本）和iOS（要求iOS 8 或更高版本）的GPU后端（backend）使用TensorFLow Lite delegate APIs。使用GPU加速的优势速度GPUs 设计为具有高吞吐量、可大规模并行化的工作负载（worklo
转载
2024-03-08 09:25:27
251阅读
仅作为学习正点原子Linux嵌入式开发的学习笔记VS Code（全称：Visual Studio Code）是一款由微软开发且跨平台的免费源代码编辑器。关于它的细节我就不说了，直接进入正文。VS Code下载进入VS Code 官网 https://code.visualstudio.com/进行下载，VS Code安装将下载的安装包拷贝到虚拟机（Ubuntu）中，有两种安装方法，分别是图形界面安
转载
2023-08-30 16:49:26
364阅读
一.内存基础知识1.Java内存生命周期：1.创建阶段（Created）： 系统通过以下步骤来创建java对象：
1.为对象分配内存空间2.构造对象3.从超类对子类依次对static成员初始化，类的初始化在ClassLoader加载该类的时候进行4.超类成员变量按顺序初始化，递归调用超类的构造函数5.子类成员变量按顺序初始化，一旦子类被创建，子类构造方法就调用该对象，给对象变量赋值2
开始学习tensorflow了，记录一下 提前说一下前面我已经安装好了nvidia的驱动以及 cuda cudnn，没有安装的话需要根据文档安装 cuda文档地址 cudnn安装文档 下面的教程根据官方文档记录 文档地址，python3, 我安装的时候出现一个问题，解决方法是一定要安装cuda9.0 cuda9.1会有问题，tf暂时不支持1. 安装libcupti-devlibcupti-d
使用GPU跑tensorflow程序，默认加载所有的GPU，但计算过程中只会用其中一块。也就是你看着所有GPU都被占用了，以为是在GPU并行计算，但实际上只有其中一块在运行；另外的所有显卡都闲着，但其显存都被占用了，所以别人也用不了。不过这种情况通过在程序之前加三行代码就可以解决：import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os
转载
2024-03-21 11:02:28
108阅读
文章目录一、安装Opencv3.4.161.安装Ubuntu图形界面2.下载Opencv3.4.16安装包3.使用cmake安装opencv4.使用make创建编译5.配置环境6.查看opencv的版本信息二、编写图片进行特效显示的代码1.创建代码存放文件夹code并进入2.编写程序test1.cpp3.编译程序test1.cpp4.图片显示三、编写打开摄像头压缩视频的程序1.虚拟机获取摄像头权
转载
2024-03-25 17:01:48
443阅读
在今天的软件开发领域中，机器学习和深度学习技术已经得到了广泛的应用。而TensorFlow作为一款优秀的机器学习框架，其GPU版本更是能够加速深度学习模型的训练过程。如果你正在使用Ubuntu系统，并且想要安装TensorFlow-GPU，那么你来对地方了。在本文中，我将向您介绍如何在Ubuntu系统上安装TensorFlow-GPU。
**步骤概览**：
| 步骤 | 操作 |
| ----
原创
2024-05-06 10:50:06
128阅读
1.下载驱动程序 根据显卡选择适用的驱动版本，下载完之后是一个名称为 NVIDIA-Linux-x86_64-xxx.xx.run 的文件 (我的显卡为GTX1060，NVIDIA-Linux-x86_64-418.56.run)。 将下载好的的run文件拷贝至home目录下。2、删除原有驱动（可选）sudo apt-get remove --purge nvidia*3.
转载
2024-08-01 16:08:24
1050阅读
