cudnn

Anaconda3-5.2.0-Linux-x86_64.sh python3.6 sh Anaconda3-5.2.0-Linux-x86_64.sh 增加清华源： https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ 如果卸载重装执行conda install ***会报错： Segmentation fault when installing packages 需要更新Upgrading pycosat to 0.6.2 执行pip install update pycosat ,之后就可以继续安装了 https://github.com/conda/conda/issues/7815 conda install cudnn = 7.6 . 0 conda install cudatoolkit = 10.0 . 130 注意要先装cudnn，因为conda会把依赖更新，而cudnn需要的最新cuda是10.1。这样后安装会把之前的新版本降级 参考： https://zhuanlan.zhihu.com/p/71581533 升级gblic 下载相应的版本： https://ftp.gnu.org/gnu/glibc/ 解压编译 如果不想替换/lib64/libc.so.6的方法： 每次打开新窗口执行： export LD

在Windows上安装Tensorflow Tensorflow可以说是目前最火的机器学习框架。由于某些原因，我只能在Windows上使用GPU版本的Tensorflow。好在 Tensorflow1.0在最近也发布了，对于windows平台的支持也不错，这里将安装过程记录一下。 首先第一步当然是安装python，直接去 python官网 下载安装就好了，不过tensorflow在windows平台上只支持python3.5x以上的版本，下载时需要注意。 通常开发的时候还需要numpy, scipy等数据挖掘，科学计算方面常用的包。python官方是没有的，用到时又需要去下载。为了免去这个麻烦，我们还可以直接安装python的发行版Anaconda，这个发行版包含了大部分常用的包，开箱即用。Anaconda下载地址 https://www.continuum.io/downloads#windows ， 也是注意要选python3.5以上的版本。 在命令行直接使用pip安装Tensorflow C:> pip3 install --upgrade tensorflow GPU版本用 C:> pip3 install --upgrade tensorflow-gpu 若是用gpu版本的Tensorflow还需要安装CUDA和cuDNN才能够跑gpu任务

һ 、查看 CUDA 版本： 进入到根目录下: cat / usr / local / cuda / version . txt 我的是9.0.103 二、查看 CUDNN 版本： cat / usr / local / cuda / include / cudnn . h | grep CUDNN_MAJOR - A 2 我的是7.0.1 转载请标明出处: Ubuntu系统下查看安装的CUDA和CUDNN的版本 文章来源: Ubuntu系统下查看安装的CUDA和CUDNN的版本

tensorflow官方网站变为： https://tensorflow.google.cn/ CUDA: cat /usr/local/cuda/version.txt cuDNN: cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 1. keras tensorflow 1.5 和 keras 2.1.4搭配 tensorflow 1.4 和 keras2.1.3搭配 tensorflow 1.3 和keras 2.1.2 搭配 tensorflow 1.2 和keras 2.1.1搭配 版本 Python 版本 编译器 编译工具 cuDNN CUDA tensorflow_gpu-2.0.0-alpha0 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2 7.4.1以及更高版本 CUDA 10.0 (需要 410.x 或更高版本) tensorflow_gpu-1.13.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.19.2 7.4 10 tensorflow_gpu-1.12.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9 tensorflow_gpu-1.11.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9

在安装tensorflow的时候，使用import tensorflow出现了找不到dll文件的错误，参考了很多博客和stackflow的解决方案，发现其中只说了版本号不匹配，但是没有具体说明什么样的版本才是适配正确的，因此手写此避坑指南。再次感谢Function兄的指导帮助。 笔者环境： python 版本3.6 tensorflow版本1.14 1 2 ImportError: Could not find 'cudart64_100.dll' 1 简答： 仔细分析错误的类型、原因 搞清自己的tensorflow以及CUDA版本 换用对应版本进行解决，完成cuda与tf的适配，cudnn与cuda的适配，protobuf与tf的适配 一. 错误类型原因 问题是找不到cuda系的dll文件的模块，提示需要下载CUDA10.0，那么首先查看cuda的路径下是否存在该文件： 通过C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA路径访问cuda，在其bin目录下查找是否有cudart64_100.dll模块 如果有，则查看环境变量是否添加；如果没有，可能就是cuda版本和tensorflow版本的匹配问题 二. 搞清自己的tensorflow及CUDA版本 进入命令行环境下，首先通过python -

参考： https://www.jianshu.com/p/59b6b23c3d11 1.查看当前NVIDIA显卡对应的驱动版本： 2.安装CUDA9.0（旧版） https://developer.nvidia.com/cuda-toolkit-archive 新版本直接上官网下载： https://developer.nvidia.com/cuda-downloads 3.下载cuDNN（对应CUDA版本） https://developer.nvidia.com/rdp/cudnn-archive 安装方法就是将对应文件夹内文件拷到cuda安装路径下。 安装： https://pytorch.org/get-started/locally/ 5.最后测试： 完成。

　　参考博客 https://blog.csdn.net/wanzhen4330/article/details/81704474 1. 卸载旧cuda 卸载原来的cuda8.0（注意：不需要卸载显卡驱动，不要给自己找麻烦）： sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl sudo rm -rf /usr/local/cuda-8.0 2. 安装cuda9.0 　　在 nvidia官网 下载对应操作系统的CUDA安装包。 下载cuda9.0的安装文件 cuda_9.0.176_384.81_linux.run 执行如下命令： sudo sh cuda_9.0.176_384.81_linux.run 然后用一本书的书角压住回车键，直到服务条款显示到100%。接着按下面的步骤选择： accept n（不要安装driver） y y y 安装完成。 3. cudnn安装 　　下载对应版本的cudnn（ 点击进去下载 ），并解压。这个下载比较烦，需要注册一个账户。 cd $你的cudnn解压的目录 sudo cp ./include/cudnn.h /usr/local/cuda/include sudo cp ./lib64/lib* /usr/local/cuda/lib64/ ##复制动态链接库 cd /usr/local

原文作者： lypbendlf 原文链接： https://www.cnblogs.com/BlueBlueSea/p/10778345.html 1.安装pygpu的部分 #使用豆瓣源or不使用，均安装失败 #报错： Looking in indexes: http://pypi.douban.com/simple/ Collecting pygpu No matching distribution found for pygpu #继续尝试使用conda，仍失败 conda install -c conda-forge pygpu` #报错： #尝试使用制定安装版本 pip install pygpu==0.7.5 #仍报错： Collecting pygpu==0.7.5 No matching distribution found for pygpu==0.7.5 //已保证pip是最新的。 #尝试将其拷贝到我的用户目录下 conda create -n my_root --clone="/data_d/public/miniconda2" #激活环境 source activate my_root #查看环境信息 #激活环境后再次尝试如下，仍旧失败 conda install pygpu #使用如下命令之后 sudo chown -R $USER:$USER ~/

安装cuda 到官网下载适合自己的cuda版本。官网链接为： cuda官网链接 下图是我选择的版本。 安装cuda 通过如下命令进行安装： sudo chmod a+x cuda_9.0.176_384.81_linux.run sudo sh cuda_9.0.176_384.81_linux.run 由于安装cuda是在我的游戏本上安装的，在安装过程中兵没有将过程的图片截取下来，再加上写博客是在我的Mac上写的，所以借用我在安装过程中参考的一篇博客的图，在此表示感谢！虽然这个图的cuda版本和我安装的不同，但是本质还是一样的，同样可以参考。 添加到PATH 在参考的博客中，博主加入的是~/.bashrc，但为了能够使得所有用户都是用，我直接配置到/etc/profile文件中。在/etc/profile文件末尾添加如下内容 export LD_LIBRARY_PATH=$LDLIBRARY_PATH:/usr/local/cuda-9.0/lib64 export PATH=$PATH:/usr/local/cuda-9.0/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-9.0 保存退出， source /etc/profile 即可生效。 通过nvcc --version即可显示CUDA的版本信息。 如果显示，则安装成功。

TensorRT安装&环境配置 环境: ubuntu14.04, Tesla P4, Python3.4, Cuda8.0, Cudnn7.1.3 概述： 从装有Ubuntu14.04和Python3.4的服务器上实现环境的配置。本文记录了在配置各个必要组件的环节中遇到的问题。 1. 配置Nvidia驱动 服务器显卡是Tesla的P4显卡，在2019.6.13这一天Nivida官网适用Linux-64bit，cuda tookit 8.0的对应驱动(这里指的只有runfile方式) 也只有一个可以下载，即NVIDIA-Linux-x86_64-384.66.run。在下载安装过程中遇到了以下几个问题。 第一个问题是下载问题。 Nvidia-Linux-~.run文件下载下来后，显示的文件大小和官网那个上标识的97m不同，我下载了两次都是95.55m和103m，在安装的时候都遇到了错误。 这里的解决办法就是重新下载驱动，这里的问题就是驱动受损，我重新下载第三次后成功。 第二个问题是意外。 如果lspci | grep NVIDIA 没有显示NVIDIA卡，又确定把卡插在了电脑里，那就说明，插卡的卡槽出了问题或者卡出了问题。 第三个问题是驱动瓦特问题 如果前面的步骤都没有问题，就是驱动瓦特了，重装一遍即可。 #卸载原来的驱动（残留在服务器里，还没办法用） $sudo apt-get