cuda

制作类似pascal voc格式的目标检测数据集： https://www.cnblogs.com/xiximayou/p/12546061.html 代码来源：https://github.com/amdegroot/ssd.pytorch 拷贝下来的代码好多坑要踩。。。 我将其上传到谷歌colab上，当前目录结构如下： 需要说明的是，虽然我们只有2类，但是，要加上背景一类，所以总共我们有3类。 首先我们要读取自己的数据集 在config.py中 # config.py import os.path # gets home dir cross platform # HOME = os.path.expanduser("~") HOME = os.path.expanduser("/content/drive/My Drive/pytorch_ssd/") # for making bounding boxes pretty COLORS = ((255, 0, 0, 128), (0, 255, 0, 128), (0, 0, 255, 128 ), (0, 255, 255, 128), (255, 0, 255, 128), (255, 255, 0, 128 )) MEANS = (104, 117, 123 ) mask = { 'num_classes': 3, 'lr

cuda历史版本： https://developer.nvidia.com/cuda-toolkit-archive cudnn： https://developer.nvidia.com/rdp/cudnn-archive 来源： oschina 链接： https://my.oschina.net/u/4355102/blog/4462494

安装 ：win10 + CUDA 11.0 + cuDNN8.0.2 + Pytorch-gpu 前言 注意： 点进来的各位，你以为这是一篇正常的教程篇吗？ ​ 不是的！ 这是一篇劝退文。 笔者安装cuda11+pytorch-gpu失败，故有此文。 安装时间：2020-08-07 原因 安装CUDA和cuDNN时，请先打开 Pytorch-gpu安装命令链接 查看Pytorch是否有发布支持cuda11.0的binaries版本。 结果如下图： 可以看到，此时并无支持cuda11的binaries版本。 Pytorch论坛中给出了答案： https://discuss.pytorch.org/t/pytorch-with-cuda-11-compatibility/89254 Pytorch源里贴出了windows 支持cuda11的PR： https://github.com/pytorch/builder/pull/463 文末老哥劝一句，目前还是安装cuda10.2吧，从源build真的烦。 附cuda和cudnn链接： cuDNN: https://developer.nvidia.com/rdp/cudnn-download CUDA10.2 : https://developer.nvidia.com/cuda-10.2-download-archive 来源：

from： docker挂载NVIDIA显卡运行pytorch 写在前面： 　　请参考之前的文章安装好CentOS、NVIDIA相关驱动及软件、docker及加速镜像。 　　主机运行环境 $ uname - a Linux CentOS 3.10 . 0 - 514.26 . 2 .el7.x86_64 # 1 SMP Tue Jul 4 15 : 04 : 05 UTC 2017 x86_64 x86_64 x86_64 GNU/ Linux $ cat /usr/local/cuda/ version.txt CUDA Version 8.0 . 61 $ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #define CUDNN_MAJOR 6 #define CUDNN_MINOR 0 #define CUDNN_PATCHLEVEL 21 #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL) #include " driver_types.h " # NVIDIA 1080ti 一、关于GPU的挂载 1. 在docker运行时指定device挂载 　　先查看一下有哪些相关设备 $ ls -la

如下启动报错，就是驱动掉了引发的问题。 ubuntu@yufeichang1 : /data/pigfarm/packages/pigfarm-deploy-packages $ sudo docker-compose up -d Creating nginx ... done Creating pigfarm-app ... error ERROR: for pigfarm-app Cannot start service pigfarm: OCI runtime create failed: container_linux.go:348: starting container process caused "process_linux.go:402: container init caused \"process_linux.go:385: running prestart hook 1 caused \\\"error running hook: exit status 1, stdout: , stderr: exec command: [/usr/bin/nvidia-container-cli --load-kmods configure --ldconfig=@/sbin/ldconfig.real --device=all --compute --utility -

2020 年，成为真正意义上的新基建“元年”，各种利好政策密集落地，全国各地都开始重视起这个频频出现在国家政策文件上的新概念。近期，国家发改委近期多次强调加快 5G 网络、数据中心等新型基础设施建设，业内人士指出，新基建投资计划正加速推出，预计年内投资规模将达万亿元。 新基建暖风下， 算力市场“蛋糕”怎么分？ 新基建中，人工智能的基础建设是最重要的部分之一，而人工智能的发展，离不开算力的支撑。我们都知道，随着 5G、物联网等新兴技术的发展，数据量将以更加难以计量的速度膨胀爆发，据 IDC 预测，2020 年全球数据总量将达到 44ZB，中国的数据总量超过8ZB，占全球数据总量的 18%，而到 2025 年，全球数据总量预计将达到180ZB。与此同时，模型计算也将变得更加复杂，对算力的需求节节拔升，挑战难度不断升级。 日前，国家发改委明确“新基建”的范围，其中包括信息基础设施、融合基础设施、创新基础设施等三个方面，以数据中心、智能计算中心为代表的算力基础设施，就包含在信息基础设施当中。 在这样的背景下，AI 算力将成为 AI 基础设施建设的重中之重，甚至成为整个新基建的核心支撑。顺应时代需求，各大算力供应商纷纷摩拳擦掌，意图瓜分算力市场这块巨大的“蛋糕”。 群狼环伺， 华为为何能杀出重围？ 华为就是这对算力市场“虎视眈眈”的企业中的其中一个。在 AI 计算领域，华为是国内起步较早

tf1.13.1 及 tf2.0.0 相关依赖及版本 　　 　　 硬件说明：显卡NVIDIA-GEFORCE-GTX-1060 1.驱动版本检查，并且更新显卡驱动【这一步很重要，你的驱动版本低了，cuda及cudnn就可能出错】 错误：DLL load failed: 找不到指定的模块。 cmd中输入：nvidia-smi 　　　　 显卡驱动已经是最新的了。如果不是最新的显卡驱动，需要手动更新一下。 补充：驱动version对应 cuda 和 cudnn的版本 　　　　 我们安装的cuda 是10.0.130 所以：win10对应的nvidia的驱动版本要大于411.31。【我更新后的显卡驱动为：436.48满足条件】 　　　　 假如你的驱动版本低于411.31，就需要更新驱动 驱动下载地址：https://www.nvidia.com/Download/index.aspx?lang=en-us 选择下载版本：根据自己电脑的显卡型号进行选择（百度相关机型，就能有详细信息；也可以在硬件里查看；） 第一次下载的标准版本，提示我的电脑windows Drivers Type 为DCH 而不是标准版本，所以重新下载安装成功。 　　　　 下载的驱动：436.48-desktop-win10-64bit-international-dch-whql.exe 按提示（prompts）安装即可。

最近新出了YOLOV4，我系统的从V1开始整理出稿，传送门： 【YOLOv1原文+翻译】You Only Look Once Unified, Real-Time Object Detection 【YOLOv2原文+翻译】YOLO9000: Better, Faster, Stronger 【YOLOv3原文+翻译】YOLOv3：An Incremental Improvement 【YOLOv4原文+翻译】YOLOv4：Optimal Speed and Accuracy of Object Detection 实验室大佬在Ubuntu16.04上轻松实现，我也来个Win10版的~ 先上一张成功检测的结果图： 正文开始 1 软件安装 我的软件环境：WIN10，CUDA10.2，cuDNN7.6.5，python3.7，VS2019，OpenCV3.4.2 硬件环境：GTX2080Ti ×2，80G内存 1.1 下载安装NVIDIA显卡驱动 设备管理器查看自己电脑的显卡型号，然后 进入NVIDIA驱动下载 ，下载对应硬件的驱动版本。安装好后，把 C:\Program Files\NVIDIA Corporation\NVSMI 添加到环境变量的path中，然后CMD中输入： nvidia-smi 如果显示下图内容，证明驱动安装成功： 1.2 下载安装CUDA CUDA 官网

服务器的IP地址和用户名密码 服务器IP地址：47.112.147.126 用户名：root 密码：XXXXXXXXX 一） 开通阿里云后首先查看是否有cuda和cudnn环境 1、查看cuda版本? cat /usr/local/cuda/version.txt 2、查看cudnn版本? cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR ­A 2 3、跑我们的模型代码：看如下这个文件放在哪个目录下 python3.6 ~/pointcloud/pointSIFT­ master/train_and_eval_scannet.py 二）上传数据 1.把模型的zip文件和我们自己的scannet_train.pickle和 scannet_test.pickle文件上传到服务器的根目录： 下面红色部分的路径改为自己的路径 scp ­r /Users/wangzhiqiang/Desktop/pointcloud/pointSIFT­ master.zip root@47.112.98.141:/ 2.也可以用shell和xftp上传速度会比这个快、按下图连接服务器 三）接下来的任务安排： 任务一： 看下模型的输出、就是预测的、点云和label 的数组在哪里（是哪个函数的输 出） == 已确定evaluate_one

1. 有老版本的Cuda，需要卸载老版本Cuda和driver， 参考： https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#removing-cuda-tk-and-driver 如Cuda 10: cd /usr/local/cuda/bin ./cuda-uninstaller 选择要卸载的模块，一般都选，就卸载了 卸载cuda driver: sh NVIDIA-Linux-x86_64-430.50.run --uninstall 2. 安装新的Cuda和新driver: 下载新driver： https://www.nvidia.com/download/index.aspx?lang=en-us sh NVIDIA-Linux-x86_64-XXX.XX.run 下载新Cuda toolkit https://developer.nvidia.com/cuda-toolkit-archive 选择需要安装的版本，如10.2： https://developer.nvidia.com/cuda-10.2-download-archive 下载到CentOS上，执行： chmod +x cuda_10.2.89_440.33.01_linux.run ./cuda_10.2.89