一. 英伟达NVIDIA驱动安装 1.显卡型号查询可以参考我的上一篇文章查询显卡型号. 2.显卡型号查询好之后在NVIDIA官网查询对应的显卡驱动版本https://www.nvidia.com/Download/index.aspx?lang=en-us 我的显卡型号是GeForce RTX 2080： tips: 看到这里比有些型号多了一个Download Type的选项（下图箭头所指），因为

不同的神经网络有不同的配置，有些从前公开的github项目，一些包升级之后的版本缺少相关的函数，老版本又不兼容，只能在虚拟环境中重新安装环境。 首先理顺一下CUDA，CUDNN，cudatoolkit的关系。安装CUDA就是安装cudatoolkit，CUDA中包含cudatoolkit. 然后安装CUDA对应版本的CUDNN。Ubuntu22.04对应的是gcc11.04,而CUDA10.7

Win10下搭建VS2017+CUDA10.1+CPLEX12.9开发环境 想来已经有三、四年没有用过C/C++了，一直都是使用MATLAB进行算法的实现。相比于C/C++, MATLAB更加适合快速地实现算法，可视化仿真结果。但最近想学习并行计算（尽管MATLAB也可以实现并行化），并且实验室的服务器又装有RTX2080Ti的显卡，因此考虑使用CUDA平台实现GPU并行编程。另一方面，我需要使

关于OpenPose OpenPose是一个由CMU开源的实时多人关键点检测库，它实现了一个人人体、手部和脸部关键点检测的实时系统（共130个关键点）。 GitHub链接：https://github.com/CMU-Perceptual-Computing-Lab/openpose 如果只想尝试 Demo 可以玩 OpenPose 提供的exe，目前更新了 cpu 和 gpu 的 v1.5

1.直接pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0报错如下： 解决方案如下：  pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.

在ubuntu下安装pytorch1.0 + cuda10.1 + python3.6 ，运行torchvision时出现问题  libcudart.so.10.0: cannot open shared object file: No such file or directory   原因：我的Ubuntu下安装的是cuda-10.1，但安装pytorch时官网没有cuda-10.1的选项

Ubuntu1604 配置Detectron2 cuda10.1 Driver418.56 apt 安装 显卡驱动(最好禁用 nouveau) 以及CUDA安装 参考这篇文章 添加Graphic Drivers PPA sudo add-apt-repository ppa:graphics-drivers/ppasudo apt-get update 寻找合适的驱动版本 u

最近疫情很严重，很多地方不让出门，很多人也都害怕被传染，包括我，咱一学生也出不了太多力，老老实实在家呆着不添乱就是最好的贡献。但是在家呆着实在无聊，学校又延迟开学，想在家做一些深度学习项目练练手（新手上路，大神勿喷哈哈哈），但是无法连上学校实验室服务器，笔记本CPU跑个demo都费劲。我这一想，笔记本不是还有个鸡肋的MX250吗？很好奇MX250和CPU哪个跑更快一点？于是乎就开始了一波操作。。。

Windows10 + Anaconda3 + Cuda10.1 + cuDNN + tesla v100 + pytorch1.8 搭建机器学习环境 安装包准备 Tesla v100 驱动Cuda 10.1cuDNN 10.1Anaconda 开始安装 1.安装Tesla显卡驱动 驱动下载地址：Official Drivers | NVIDIA 1）选择相应的型号下载 2）

k-wave使用CUDA加速遇到的问题（MATLABr2019a+CUDA10.1+VS2019） 参考链接： https://zhuanlan.zhihu.com/p/478237038 问题描述： 按照上述链接进行，出现了一系列问题，解决了很久才搞好，故作此记录。 前期准备： 按照上述参考链接的内容，进行以下几个步骤： 我的matlab版本为R2019a，亲测R2019b之后的版