/usr/lib/wsl/lib/libcuda.so.1 is not a symbolic link 注意更改链接路径之后，以后更新驱动之后需要重新链接，否则lib2中和lib中不一致从而导致wsl中不可使用windows下的驱动 设置之后重启wsl会自动还原，不想还原需要修改： 原因，/usr/lib/wsl/lib/目录下都是文件而不是链接 又因为该目录只读，因此只能将在

目录 1、下载NVIDIA 驱动程序、cuda11.8、cudnn8.6.0 2、在Anaconda中创建环境并激活 3、下载gpu版本的torch 4、配置环境所需要的包 5、安装causal_conv1d和mamba-1p1p1 安装causal_conv1d 安装mamba-1p1p1 6、运行main.py失败   请直接拉到最后查看运行失败的原因，如有解决方案欢

在docker中创建一个tensorflow-serving:latest-gpu容器时，报出如下BUG： tensorflow_model_server: error while loading shared libraries: libcuda.so.1: cannot open shared object file: No such file or directory 解决方法1：

最近在做一些工程部署和传统算法的工作，遇到写坑，写些解决办法记录一下： 很多时候我们会面临在一台机器上进行编译和打包，在另外一台机器或者集群上进行部署，而机器与机器之间的gpu设备是不同型号的情况，这个时候做深度学习推理的时候会出现初始化加载很慢的情况，或者有二次加载的情况，这篇小博文就是讲如何解决的． 由于CUDA的JIT Compile(即时编译)机制，是为了应对未来没发布的gpu硬件