目录 一.安装VS2015 二.安装CUDA 10.2 2.1 安装前工作 2.2 CUDA 10.2下载安装过程 2.2.1 下载CUDA 10.2 2.2.1.1 官网下载地址 2.2.1.2 网盘下载地址 2.2.2 正式安装CUDA 10.2和补丁 2.2.2.1 安装CUDA 10.2 2.2.2.2 安装补丁 三.检测CUDA 10.2是否安装成功 四.运行示例demo来进一步检测CUDA 10.2安装的正确性 本机环境: Win10专业版+VS2015企业版+CUDA 10.2 一

一,本机配置 Win10 64bit NVIDIA GeForce GTX 960M Python3.7(Anaconda) 二,安装CUDA 亲测,TensorFlow-gpu1.13.1支持cuda10.0的版本,所以我们可直接选择cuda10.0的版本 Window10下载CUDA10 安装步骤为: 1)运行.exe可执行和层序.安装软件会先运行一个系统检查,如果没有软硬件不兼容的情况就能继续进行下一步.若有不兼容情况,系统检查则会报错,无法进行下一步.如果报错了,就最先考虑下是不是自己的

废话不多说,先说最终成功的版本:系统=>centos7 ,cuda=>10.0 ,cudnn=>7.5 ,nccl=>源码编译, tensorflow=>最新版本源码编译 第一次尝试:cuda=>10.1 cudnn=>7.5 nccl=>2.4.2 1.cuda下载包:*.run,,直接 sh ./*.run 按照提示选择就能安装,一般选择默认路径 /usr/local/cuda方便后续操作 配置环境,在/etc/profile末尾加上 export PA

DeepFaceLab出错,虽然错误提示很长很长,但是无非两种情况,一种是驱动没装好,一种是显存配置不够. CUDA driver version is insufficient for CUDA runtime version. 这一个错误中出现了两次版本(version)这个单词,应该是说的很清楚了.就是CUDA的版本有问题,根据经验来说,这往往是版本过低. 比如你电脑上的驱动,只支持CUDA10, 而你的换脸软件需要CUDA10.1 . 正对这种情况,你只需升级你的驱动,如果搞不清楚,可以

步骤零:安装anaconda.opencv.pytorch(这些不详细说明).复制运行代码,如果没有报错,说明已经可以了.不过大概率不行,我的会报错提示AssertionError: Torch not compiled with CUDA enabled.说明需要安装CUDA,或者安装的pytorch版本是不带CUDA的版本,需要按照以下步骤操作. 步骤一:安装CUDA 步骤二:安装cuDDN 步骤三:测试运行代码 附:电脑不支持CUDA或者不想用gpu加速深度学习的 安装CUDA 这就是用来

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 ImportError: Could not find 'cudart64_100.dll' 简答: 仔细分析错误的类型.原因 搞清自己的tenso

                                             Ubuntu16.04进不了界面(登录界面循环,密码正确)(一体化安装(CUDA +NVIDIA驱动)+ cuDNN) 目录 第一步,查问题的原因 (1)搜罗一下网上的回答 (2)查找问题 (3)问题描述 (4)百度问题的解决方式 (5)确定问题的原因 第二步,解决问题---卸载原有的驱动 第三步,一体化安装(CUDA +NVIDIA驱动)+ cuDNN 第四步,其他备注 正文 说明: 上次是:Ubuntu

Ubuntu系统---安NVIDIA 驱动后  CUDA+cuDNN 安装 --------------------------------------------@20190726--------------------------------------------------------------------------------------------- 上接<Ubuntu系统---NVIDIA 驱动安装>.预配置环境:Ubuntu16.04 + GTX2080Ti + CUDA1

t-SNE-CUDA Barnes-Hut t-SNE https://github.com/CannyLab/tsne-cuda/projects 做数据降维时常用到,但计算较慢,所以可用cuda加速 用源码编译时,常见错误处理: 1. 缺少MKL可到intel下载安装(略) 2. `CMake Error: The following variables are used in this project, but they are set to NOTFOUND. 如  CUDA_cubla

os安装 目前对tensorflow和cuda支持最好的是ubuntu的18.04 ,16.04这种lts,推荐使用18.04版本.非lts的版本一般不推荐. Windows倒是也能用来装深度GPU环境,但是Windows上的问题实在太多了,而且很多都是跟环境相关的,不具备普遍性,解决了也没有意义.所以真心不推荐Windows环境. 这里需要注意的是,ubuntu有桌面版本和服务器版本的区别,自己用的话,肯定是要桌面版本的,但是如果只是放在角落里做运算机又或者是桌面版本安装失败的时候,可以考虑服

(RTX 2070 同样可以在 ubuntu 16.04 + cuda 9.0中使用.Ubuntu18.04可能只支持cuda10.0,在跑开源代码时可能会报一些奇怪的错误,所以建议大家配置 ubuntu16.04 + cuda 9.0.下文还是以ubuntu18.04 + cuda 10.0为例.ubuntu16.04 + cuda 9.0的配置方法大同小异) 虽然CUDA官网中没有RTX20系列GPU所对应的版本,但是CUDA 10.0 支持Ubuntu18.04 + GPU GEFORCE

前言 本篇写于2019-4-25 这两天装Ubuntu18.04双系统简直装到崩溃.一是非常著名的开机卡死在Logo界面的问题,另一个是在装Nvidia驱动和CUDA的时候,更是费心.而网上的资料又良莠不齐,走了不少弯路.于是做个总结,方便以后的自己,也方便别人. 首先:我的机器是戴尔灵越5577,以下方案不一定适合您的机器,操作失败还请自行百度解决,并且安装所CUDA和cuDNN版本请务必参照官网配置 另外:安装过程中并没有保留截图,以下也只有文字叙述,有时间会补上. 装机 镜像是在Ububt

目录 安装GCC 安装NVIDIA驱动 1. 卸载原有驱动(没装跳过) 2. 禁用nouveau 3. 安装NVIDIA显卡驱动 安装CUDA10.1 安装cudnn 安装anaconda 安装tensorflow 安装pytorch Reference 本篇博文根据本人亲装碰到的问题搜寻总结而成,具体参考见结尾REFERENCE 安装GCC 服务器版未装有gcc,但英伟达驱动安装需要gcc,尝试过换源.更新软件库.以及overstack的几种方法均未能解决,最终发现可以通过安装build-es

最近需要用到一台服务器的GPU跑实验,其间 COLMAP 编译过程出错,提示 cuda 版本不支持,cmake虽然通过了,但其实没有找到支持的CUDA架构. cv@cv:~/mvs_project/colmap/build$ cmake .. ... -- Automatic GPU detection failed. Building for common architectures. -- Autodetected CUDA architecture(s): 3.0;3.5;5.0;5.2;

0. 前言 这里直接用 cuda安装文件同时安装 NVIDIA 驱动和 CUDA,没有单独安装更高版本的 NVIDIA 驱动: 此安装是在 Intel 集显下的图形化界面,即用集显做 display,用 NVIDIA 独显做计算:循环登陆问题是因为安装时没有加 --no-opengl-libs 参数,默认安装了 OpenGL,覆盖掉了原来显卡的 OpenGL 库 若事先单独安装了 NVIDIA 驱动,且在 NVIDIA 显卡下的图形化界面安装 cuda(即用 NVIDIA 显示同时做显示和计算)

注:如果使用anaconda,貌似不需要手动安装Cuda和cudnn,安装tensorflow时会自动安装 1.官方教程https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#ubuntu-installation 2.在http://developer.nvidia.com/cuda-downloads上下载安装包 3.到安装文件目录下运行.run文件,输入accept sudo sh cuda_10.1.16

目标: 在2080Ti GPU上,运行PyTorch1.2 GPU版本. 经过确认,PyTorch1.2可以搭配CUDA10.0,而CUDA10.0搭配cuDNN7.6(官网下载页面可以直接看到). 安装Anaconda,创建一个py3.6的pytorch环境. 具体步骤: 参考这个教程,安装NVIDIA驱动. 注意安装时加上-no-opengl-files参数,防止登录自循环:下载可以用wget xxx直接在服务器上下载. 安装CUDA10.0 到NVIDIA官网,下载CUDA Toolkit

1 CUDA 10.0 安装  win10 下的cuda 安装是非常简单的,和其他程序安装没什么区别,现在 tensorflow 1.13 版本以上 支持 CUDA 10.0 ,这里选取了CUDA 10.0+ CUDNN 7.5 +tensorflow 1.13 + opencv 3.4.0 (1)安装 nvidia 的驱动, 在https://www.geforce.cn/drivers  选取与显卡对应的驱动 安装(这里选择了gtx750ti  417 版本) (2)在 https://de

一.NVIDIA显卡驱动 打开终端,输入: sudo nautilus 在新打开的文件夹中,进入以下路径(不要用命令行): 左下角点计算机,lib,modules 这时会有几个文件夹,对每个文件夹都进行以下操作(不要用命令行): 进入其中一个文件夹,kernel,drivers,gpu,drm,nouveau,若有文件则全部删除 打开终端,输入: sudo update-initramfs -u 把下载的显卡驱动改为简单的名字,比如2080.run,放到home目录下 按 Ctrl + Alt

文章目录 CPU和GPU 什么是CUDA 什么是cuDNN WIN10安装CUDA10 WIN10安装cuDNN CPU和GPU CPU和GPU是不一样的计算机设备,CPU作为计算机心脏一直被人们所认知,但是GPU直到最近才被人们重视起来,因为其优异的图片运算性能,或者说矩阵运算性能. CPU和GPU的关系和差别: 从上图可以看出GPU(图像处理器,Graphics Processing Unit)和CPU(中央处理器,Central Processing Unit)在设计上的主要差异在于GPU

前段时间换了一个配置高一点的台式机,因此重新安装了caffe,这次安装遇到了很多以前没有遇到的问题,特记录一下. 先罗列一下电脑配置:vs2015+cuda10.0+python3.5(Anaconda)+GForce RTX2070显卡 caffe是从这里下载的: https://github.com/BVLC/caffe/tree/windows 修改配置文件: 关于属性中没有CUDA C\C++属性,可以选中工程,右键àBuild DependenciesàBuild Customizat