cuda10.0专题

win10+cuda10.0+pytorch1.4测试CenterNet

整理好的代码和权重都在百度云链接，记得这个是被我加了lib的路径的，直接运行demo.py即可。链接：https://pan.baidu.com/s/18hBS21hF1znXJkDyneELTw 提取码：f4ws 一、下载好 CenterNet 源码下载工程加速方式参考https://blog.csdn.net/u013066730/article/details/107164

Ubuntu16.04安装CUDA10.0、CUDNN7.6、TensorFlow2.0

折腾了半天终于在服务器上装好了CUDA10.0、对应版本的cuDNN和TensorFlow2.0，因为TF2.0还比较新，网上教程不是特别多，而且TF2.0要CUDA10.0才可以，所以特意记录一下，过段时间可能还要在自己电脑上装一遍。文章目录 CUDA1.下载2.安装3.测试 cuDNN1.下载2.安装3.测试 TensorFlow2.01.先把安装源改成清华镜像2.更新pip3.安装4

安装ubuntu18系统、nvidia驱动、cuda10.0、cudnn7.5、opencv3.4.6

终端快捷键是ctrl+alt+t。重启电脑终端输入 sudo reboot ubuntu中.deb文件类似于windows下的.exe文件，点击即能够执行。.bashrc文件里面存储了一些文件目录，存储了一些安装程序的软链接。参考：安装安装ubuntu18系统 u盘插入，按键进入bios，一般是F2键或者DEL（具体跟主板型号有关，在开机显示主板图标时会有相关键的显示）。进入bios后

深度学习Ubuntu18.04+RTX 2080Ti+cuda10.0+cudnn7.42+tensorflow-gpu=1.13.0rc2

一、安装Ubuntu18.04 查看之前教程：https://blog.csdn.net/sun___shy/article/details/87558563 二、安装RTX2080Ti驱动正常显卡的驱动在sudo apt-get update之后，都会在软件和更新里面的附加驱动中显示，或者通过指令 sudo ubuntu-drivers autoinstall就能自动安装，可能2080T

ubuntu CUDA10.0-11.2安装旧版本mxnet

需要先安装libquadmath.so.0共享库。有关 PyPI 包的功能请求、建议和问题报告，请单击此处创建问题。先决条件该软件包支持 Linux 和 Windows 平台。您可能还想检查： mxnet-cu112 with CUDA-11.2 support.mxnet-cu110 with CUDA-11.0 support.mxnet-cu102 with CUDA-10.2 su

CUDA10.0官方文档的翻译与学习之性能指南

目录背景总体性能优化策略最大化使用率应用层面设备层面多处理器层面占有率计算器最大化内存吞吐量主机和设备间的数据迁移设备内存访问全局内存尺寸和对齐要求二维数组局部内存共享内存常量内存纹理和表面内存最大化指令吞吐量算术指令单精度浮点除法单精度浮点倒数开方单精度浮点开方正余弦整型运算半精度运算类型转换

Windows系统下OpenCV+Contrib+CUDA配置(VS2017+OpenCV3.4.3+CUDA10.0)

本文是在上一篇文章的基础上加入CUDA的配置，核心依然是使用Cmake对OpenCV+Contrib进行配置。配置过程中需要注意一些小细节的设置并且一定要有耐心。上一篇文章链接：https://blog.csdn.net/stjuliet/article/details/83903619 目录 step1 运行环境和前期准备step2 编译OpenCV和Contrib库(WITH CUD

Ubuntu16.04 RTX 2080ti 安装 Cuda10.0 Cudnn7.6.5

换了一台电脑，搭建环境浪费了半天时间，现在记录一下。 1.安装Nvidia驱动我之前在 https://www.geforce.cn/drivers 下载了适用于RTX 2080Ti的Nvidia 430,但是运行的时候报错check sum xxxxx. 于是放弃了先下载再安装，用了下面的方式： Ctrl +Alt +F1进入命令行模式,输入用户名和密码 sudo apt-get u

ubuntu 16.04 Titanxp 安装cuda10.0 cudnn7.6 环境

记录一下装的过程： 1.装显卡驱动，到https://www.nvidia.com/Download/index.aspx下载相应的驱动。并且查看你要装的cuda版本和驱动对应的关系 cuda和驱动版本要求：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 这上面有对应的关系。 a. 检测相应的内核文件,我

WIN10+Tensorflow-gpu+Cuda10.0+Cudnn

CPU跑到百分百有点糊而且慢，遂下定决心安装TensorFlow-gpu。话说TensorFlow2.0beta0（支持CPU）和beta1（支持GPU）也出了，但因为教程啥的都是1.X，就还没有研究（说实话好像用pytorch的更多啊……但再学个框架真的累）。那咱回到正题，来说咋配置吧。首先看看咱们的显卡是什么型号。显卡和CUDA的版本对应即可。桌面点击鼠标右键，选择"NVIDIA"控制

Ubuntu20.04与Nvidia显卡：配置Pytorch深度学习环境(Pytorch1.4.0+CUDA10.0+cuDNN7.4) + 远程Jupyter服务 + 配置Pycharm远程连接

文章目录 0️⃣ `gcc`降级1️⃣ 配置`Pytorch`深度学习环境与`Nvidia`显卡1️⃣.1️⃣ 配置`Anaconda`1️⃣.1️⃣.1️⃣下载`Anaconda`1️⃣.1️⃣.2️⃣ `conda`换源1️⃣.1️⃣.3️⃣ `conda`创建新环境 1️⃣.2️⃣ `Ubuntu20.04`安装`Nvidia`显卡驱动1️⃣.2️⃣.1️⃣ 禁用`nouveau`1️

无root权限安装CUDA10.0以及gcc的降级+FairMOT构建DCNv2踩坑记录

无root权限安装CUDA10.0+FairMOT构建DCNv2踩坑记录首先介绍一下环境情况因为比赛CUDA版本要求是10.0，所以本文是在Ubuntu20.04下安装CUDA10.0实现FairMOT的复现；但是Ubuntu20.04自带的gcc版本是9.3，创建虚拟环境创建出来的gcc版本根据python版本各异，而在CUDA10.0编译DCNv2要求gcc版本在7以下，所以还需要做一个

配置因伟达:cuda10.0.130+cudnn-10.0-windows10-x64-v7.4.1.5+pytorch1.2.0(python3.6)+torchvision0.4.0+max150

1、配置cuda 我的电脑是max150显卡，电脑对应的显卡驱动的是10.2，（貌似代表的是最高的显卡驱动），考虑到通用性，我还是选择安装10.0. 但是安装的过程还是挺艰难的。具体问题： 1.安装的时候电脑不能处于待更新，，而且卸载显卡驱动必须要干净。不行的话可以用DDU（Display Driver Uninstaller），自己搜一下。 2.难受的是，我还遇到了安装失败，如下图：解

Windows10 + cuda10.0 + pytorch1.2.0 + torchvision0.4.0环境配置

Windows10 + cuda10.0 + pytorch1.2.0 + torchvision0.4.0环境配置先附上我使用的文件的百度链接，后续也有下载路径，可以根据自己的需要下载链接：https://pan.baidu.com/s/1vy7NwfL25_uFvFNpWj19Ig 提取码：fa68 要安装pytorch，首先要配置好python环境，个人建议使用anaconda安装，首

【CUDA编程系列】在VS2015E上配置CUDA10.0

其他链接： CUDA编程基本入门学习笔记参考博文： https://www.cnblogs.com/skyfsm/p/9673960.html https://www.cnblogs.com/ww1x/p/10820362.html 本文目录： 1.下载cuda10.02.打开VS2015E3.常见问题 1.下载cuda10.0 （有更高版本建议尝试下载更高版本，高版本可

win10+cuda10.0+opencv455+opencv_contrib455实现yolov5(6.0,6.1版本)的GPU加速

说明：本文主要实现在win10下，使用VS2015或VS2017或VS2019，使用C++控制台程序或MFC程序，结合opencv以及yolov5转化的onnx模型，实现图像的实时目标检测。记录总结一下环境部署的过程，以及部署环境过程中踩到的坑。我的计算机配置：CPU:I5-7500，内存：8G，显卡：1050Ti（cuda10.0,cudnn7.6.5）使用yolov5的C++代码：我在

搭建深度学习平台+CUDA10.0+cuDNN7.3.1+Tensorflow-GPU1.13

安装Ubuntu16.04系统（自己网上查找）升级系统软件 sudo apt-get updatesudo apt-get upgrade sudo apt-add-repository ppa:fixnix/netspeedsudo apt-get updatesudo apt-get install indicator-netspeed-unityindicator-ne