cudnn

0. 卸载环境 1、卸载显卡驱动的命令：   假如安装的是NVIDIA-Linux-x86_64-390.116.run： 则运行如下命令：sh NVIDIA-Linux-x86_64-390.116.run --uninstall 2、卸载cuda和cudnn cd /usr/local/cuda-9.2/bin/ ./uninstall_cuda_9.2.pl rm -rf /usr/local/cuda-9.2/ rm -rf /usr/local/cuda/include/cudnn.h rm -rf /usr/local/cuda/lib64/libcudnn* 卸载完后需要reboot。 1. 安装GPU驱动 如果是更早版本，可以在阿里云进行下载，命令为 wget http://mirrors.cloud.aliyuncs.com/opsx/ecs/linux/binary/nvidia/driver/NVIDIA-Linux-x86_64-390.116.run sh NVIDIA-Linux-x86_64-390.116.run 如果是比较新的版本，需要去官网查询下载https://cn.download.nvidia.cn/tesla： wget http://cn.download.nvidia.com/tesla/396.82/NVIDIA-Linux-x86

问题描述 在服务器上运行个人的代码，服务器是大家公用的，所以cuda不方便更改或者添加新的版本，服务器上的cuda版本为10.1.105。我的代码使用的torch=0.4.1版本，对应的cuda我感觉是9.0左右，不是十分确定。但10.1的是肯定不能。 解决方法 当时看了相关的博客感觉是版本不匹配的问题，所以重新开了虚拟环境，采用 pytorch官网 的相关命令：conda install pytorch=0.4.1 torchvision cudatoolkit=10.1 -c pytorch进行强制更新安装。不过最后还是运行错误。可能的原因感觉是0.4版本可能只能支持到cuda=9的程度，再高的版本就没办法。 最后将torch版本改为1.0就好，只是相关的在0.4下的方法或者说是写法就会变得非法，需要进行部分的更改。 来源： CSDN 作者： chaiiiiiiiiiiiiiiiii 链接： https://blog.csdn.net/qq_37959202/article/details/103773709

Deep server from scratch 1.install Ubuntu16.04 via flash 2.wired Network by Ruijie 3.install google 4.Sogou pinyin 5.Tsinghua mirrors 6.SSH server 7. Typora 8.sublime3 9.git 10.NVIDIA drive + cuda + cudnn (1)NVIDIA drive: https://www.cnblogs.com/pprp/p/9463974.html (2)cuda_8.0.61_375.26_linux.run (3)cudnn-9.0-linux-x64-v7.1.tgz 11.Pycharm 12: miniconda 1.install Ubuntu16.04 via flash https://www.cnblogs.com/pprp/p/9607245.html 2.wired Network by Ruijie https://www.cnblogs.com/nanzhao/p/9575226.html 3.install google https://blog.csdn.net/lxlong89940101/article/details/86287279 4.Sogou pinyin

先说以下本人使用的dense flow源码：https://github.com/daveboat/denseFlow_GPU 下面是这次配置的环境和机器配置： 系统：Ubuntu16.04 显卡：GeForce RTX 2080 cuda 9.0 cudnn 7.0.5 opencv-3.4.0（带cuda版本的） 安装显卡驱动 进入英伟达官网： 驱动下载 查找自己的显卡型号对应的linux版本驱动 下载的为.run格式的文件，拷贝到home文件夹 打开终端输入： $ lsmod | grep nouveau 如果有输出则创建文件： $ sudo gedit /etc/modprobe.d/blacklist-nouveau.conf 然后在文件中输入： blacklist nouveau options nouveau modeset=0 保存文件后在终端输入： $ sudo update-initramfs -u 再输入： $ lsmod | grep nouveau 若无输出则证明已成功关闭Nouveau。 在ubuntu下按ctrl+alt+f1进入命令行界面。 输入用户名和密码。 输入： sudo service lightdm stop 为驱动文件赋予权限： sudo chmod a+x 驱动名称.run 安装： sudo sh ./驱动名称.run

安装 1. 官网下载tensorRT的安装包，解压即可，使用时在CMakeLists里指定头文件和库文件位置即可。不推荐使用deb文件安装，因为它要求配置文件也是deb文件安装。 2. 下载对应的cuda版本和cudnn版本，cuda版本一定要严格对应。 我的配置是ubuntu16.04,cuda9.0,cudnn7.3 cudnn版本我没使用官网指定的7.6，虽然会警告，程序还是可以运行。 Hello World 运行sample里的mnist程序。 在sample/sampleMNIST下编译后在根目录bin文件夹下执行即可 cd /TensorRT-6.0.1.5/samples/sampleMNIST/ make cd ../../bin/ ./sample 运行结果： $ ./sample_mnist &&&& RUNNING TensorRT.sample_mnist # ./sample_mnist [09/29/2019-15:46:14] [I] Building and running a GPU inference engine for MNIST [09/29/2019-15:46:14] [W] [TRT] TensorRT was linked against cuDNN 7.6.3 but loaded cuDNN 7.3.0 [09/29/2019

记录自己ubuntu18.04安装pytorch的心得，anaconda3-5.2已经安装好，这里不再详述。 目录 1.CPU版本Pytorch安装 2.GPU版本Pytorch安装 3.相关网址及总结 1.CPU版本Pytorch安装 CPU版本的pytoch安装比较简单，在 Pytorch官网 中选择python版本，运行conda或者pip命令即可，如下图所示。注意，为了方便多个Python版本的管理，通常需要在 anaconda中创建新的环境空间 。 2.GPU版本Pytorch安装 GPU版本的pytorch安装比较复杂，在安装pytorch之前，通常需要安装显卡驱动，cuda和cudnn， CUDA 是NVIDIA推出的用于自家GPU的 并行计算框架 ，也就是说CUDA只能在NVIDIA的GPU上运行； cuDNN （CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的 加速库 ，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型， cuDNN不是必须的，但是一般会采用这个加速库 。CUDA是必须的，cudnn是可选的。 通常需要考虑： （1）检查显卡型号是否支持GPU运算 检查方法：终端输入 ubuntu-drivers devices 得到以下结果： 图中，“model”对应的就是电脑显卡型号，

显卡设备：英伟达1060 系统：Windows10 python版本：3.7.4 CUDA：cuda_10.0.130_411.31_win10 cudnn：cudnn-10.0-windows10-x64-v7.6.5.32 tensorflow:gpu1.14 一 安装python3.7.4 　　 https://www.python.org/downloads/windows/ 下载安装 二 安装cuda： 　　1.首先更新显卡驱动； 　　2.桌面右键-NVIDIA控制面板-帮助-系统信息-组件，可以查看当前设备支持的最高cuda版本。 　　我更新驱动之前支持最高到8，更新后就支持10版本了。 　　 　　3.下载cuda 　　 https://developer.nvidia.com/cuda-downloads 　　安装。一直下一步就行。选择组件的时候可以不选择显卡驱动，如果你的驱动比较新。 　　4.环境变量 　　 三 cudnn安装 　　1 下载 https://developer.nvidia.com/rdp/cudnn-archive cuda和cudnn有对应版本关系。 　　2.解压文件夹，将解压后的文件夹下的文件拷贝到cuda安装目录下，与之相对应的文件夹下。 　　　　解压后其实是三个文件夹，合并到cuda的安装目录中就可以了。 　　　　默认路径是C: