cuda

今天搭建了Keras深度学习的环境 详细记录一下 安装Anaconda3 Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 Anaconda3官网下载： https://www.anaconda.com/distribution/#download-section 选适合的版本安装即可 安装的时候记得勾选add anaconda to my PATH environment variable 安装好之后检查一下： 没有问题。 在Anaconda中创建TensorFlow的虚拟环境 conda info --envs 这个命令是检测Anaconda所有的环境变量的 然后创建虚拟环境： conda create --name tensorflow python=3.5 TensorFlow官方现在还不支持python3.7 所以我装的是3.5 安装完之后再来看一下： 现在已经创建了一个TensorFlow的虚拟环境了。 进入这个虚拟环境的命令是： activate tensorflow 退出是： deactivate 安装CUDA和CUDNN 先安装cuda： https://developer.nvidia.com/cuda-toolkit-archive 我下的是cuda10.0 注意这里安装的时候 visual

今天搭建了Keras深度学习的环境 详细记录一下 安装Anaconda3 Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 Anaconda3官网下载： https://www.anaconda.com/distribution/#download-section 选适合的版本安装即可 安装的时候记得勾选add anaconda to my PATH environment variable 安装好之后检查一下： 没有问题。 在Anaconda中创建TensorFlow的虚拟环境 conda info --envs 这个命令是检测Anaconda所有的环境变量的 然后创建虚拟环境： conda create --name tensorflow python=3.5 TensorFlow官方现在还不支持python3.7 所以我装的是3.5 安装完之后再来看一下： 现在已经创建了一个TensorFlow的虚拟环境了。 进入这个虚拟环境的命令是： activate tensorflow 退出是： deactivate 安装CUDA和CUDNN 先安装cuda： https://developer.nvidia.com/cuda-toolkit-archive 我下的是cuda10.0 注意这里安装的时候 visual

为了学习深度学习，这几天在安装深度学习框架，cuda安装时却出现无法定位软件包的问题。cuda官网下载时提供了deb和run格式，今天只讲deb格式的安装包安装过程的问题。 按照官方教程，下载好cuda deb包后，分别用 sudo dpkg - i XXX.deb sudo apt update sudo apt install cuda 运行即可，一开始没太懂，安装了cuda9.1，发现版本太高，于是又重新下载cuda8.0,可是按上面步骤安装时还是给我安装的是9.0版，其实在sudo apt update 的时候就能看到，那里有cuda9.0和8.0的安装源，好像系统自动下载9.0, 于是我在系统设置里把9.0的安装源删除 后来忘了出于何种考虑把8.0的下载源也删除了，因为dpkg -i执行后会默认添加更新源嘛，可是后来问题出现了，执行dpkg -i 后，更新软件源，一直不见添加cuda的下载源进去，一时不知所措，不知道是什么原因导致，一度怀疑是cuda deb包有问题，可是这几天开始NVIDIA官网被限制访问，一点下载就提示它未在国内备注，没办法重新下载一个安装包，网上搜了各种办法都没办法解决，最后实在没招了。网上提供的方法大多是让sudo apt update更新下载源，或者更新系统下载源，因为cuda本不是从系统源里下载的，deb是一个离线安装的版本，对我没什么用

当服务器中有多张显卡时可能会出现这个问题。 模型参数加载： model_recover = torch . load ( args . model_recover_path ) 报错如下： RuntimeError : CUDA error : out of memory 原因： 当使用torch.load加载模型参数时，会默认加载在第一块GPU0上，当GPU0没有在使用时，问题不大，但是显存被占满时这时候就加载不了了。 解决方法： model_recover = torch . load ( args . model_recover_path , map_location = { 'cuda:0' : 'cuda:2' } ) 指定GPU映射，将GPU0映射到GPU2（任意一张空闲显卡），这样原本默认加载在GPU0上的参数将会加载到GPU2中，问题解决。 参考： torch代码运行时显存溢出问题之问题四 来源： oschina 链接： https://my.oschina.net/u/4255339/blog/4706560

win10+VS2019+NVIDIA CUDA10.1 安装失败解决方案 参考文章： （1）win10+VS2019+NVIDIA CUDA10.1 安装失败解决方案 （2）https://www.cnblogs.com/flyupwards/p/11144457.html 备忘一下。 来源： oschina 链接： https://my.oschina.net/u/4432649/blog/4705762

文 / 李锡涵，Google Developers Expert 本文节选自《简单粗暴 TensorFlow 2.0 TensorFlow 2.0 beta1 已经发布。本文详细介绍在个人电脑或服务器上安装 TensorFlow 2.0 beta1 的步骤和各种细节，让你第一次安装 TensorFlow 2.0 就上手！ 一般安装步骤 TensorFlow 的 Python 版本使用最为广泛。作为一个 Python 包，TensorFlow 和其他 Python 包的安装方法区别不大，使用 Python 的包管理器 pip 即可。具体步骤如下： 1. 安装 Python 环境。此处建议安装 Anaconda 。这是一个开源的 Python 发行版本，提供了一个完整的科学计算环境，包括 NumPy、SciPy 等常用科学计算库。当然，你有权选择自己喜欢的 Python 环境。 2. 使用 Anaconda 自带的 conda 包管理器建立一个 Conda 虚拟环境，并进入该虚拟环境。在命令行下输入以下命令： # 建立虚拟环境 # “tf2.0”是你建立的 Conda 虚拟环境的名字 # python=3.7 代表该虚拟环境的 Python 版本为 3.7 conda create --name tf2.0 python=3.7 # 进入名为“tensorflow”的虚拟环境