精华内容
下载资源
问答
  • cuda配置
    千次阅读
    2020-12-23 07:59:36

    打开bash_profile:

    sudo gedit ~/.bash_profile

    在打开的文本末尾加入:

    export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"

    export CUDA_HOME=/usr/local/cuda

    保存退出后通过如下命令使环境变量生效:

    source ~/.bash_profile

    还看到一个方法:

    sudo vim ~/.bashrc

    按i按键:

    来编辑.bashrc配置文件,到文件最后,写入下面几句话(直接复制就行)

    export PATH=/usr/local/cuda-9.0/bin:$PATH

    export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64$LD_LIBRARY_PATH

    Ubuntu18.04下安装深度学习框架Pytorch(GPU加速)

    https://blog.csdn.net/wuzhiwuweisun/article/details/82753403

    更多相关内容
  • VS2017和CUDA配置详细步骤

    千次阅读 2022-01-11 10:28:20
    3、CUDA配置VS2017 3.1 、打开VS2017新建工程 3.2 、右击源文件→添加→新建项→CUDA C/C++ File;创建一个.cu文件 3.3 、右击项目名称test_cuda→生成依赖项→生成自定义,→选择CUDA10.1→确定 3.4、 右击cuda_...

    1、安装好VS2017

    下载链接如下:
    VS2017下载链接
    选择社区版,是免费的
    安装的时候组件的选择

    只需要选择最基本的C/C++开发即可,我选择了下面三个
    在这里插入图片描述
    在这里插入图片描述
    安装位置记得修改一下,不然全都默认安到系统盘里面去了哈!,安装位置的文件夹名修改的规范点,以后如果要添加环境变量什么的自己也好找,对于文件夹的命名不要出现中文!
    之后等待安装即可
    在这里插入图片描述
    安装完成后,可通过创建一个c++程序,运行一下测试结果对不对,步骤如下:
    在这里插入图片描述
    在这里插入图片描述
    测试代码:

    #include <iostream>
    
    int main()
    {
        std::cout << "Hello World!\n";
    }
    

    进行运行从而试验是否安装成功,成功后再进行CUDA 的安装!!!!
    在这里插入图片描述

    2、CUDA安装

    2.1、CUDA下载

    CUDA下载链接
    在这里插入图片描述
    这里我选择的版本是10.1,可以根据不同的需要下载不同的版本(建议跟着本文档操作),具体的下载选择如下:
    在这里插入图片描述

    2.2、CUDA安装

    2.2.1、双击下载的.exe文件安装

    在这里插入图片描述

    2.2.2 、点击‘OK’

    在这里插入图片描述
    建议不修改位置,在之后的安装过程中不要修改位置,默认下一步即可,因为后面有很多环境需要配置,以防弄错!!

    2.2.3、 上一步解压完成后,会自动跳到下图

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    等待安装完成

    2.3、CUDA环境配置

    2.3.1、 右击此电脑→属性→高级系统设置→环境变量

    在这里插入图片描述

    2.3.2、 系统变量里添加:

      CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
    
      CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
    
      CUDA_BIN_PATH = %CUDA_PATH%\bin
    
      CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
    
      CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
    

    注意:CUDA _PATH与CUDA _PATH_V10_1是CUDA安装时自动添加的;

    CUDA _PATH_V10_1中的10_1是你安装CUDA的版本号
    在这里插入图片描述
    在这里插入图片描述
    一定要检查不能有多余的空格
    在这里插入图片描述

    2.3.3、 添加以下到系统变量path中,添加完点确定

          %CUDA_LIB_PATH%
    
          %CUDA_BIN_PAHT%
    
         %CUDA_SDK_BIN_PAHT%
    
          %CUDA_SDK_LIB_PATH%
    

    在这里插入图片描述

    在这里插入图片描述

    2.3.4 、重启电脑

    然后打开cmd,输入: set cuda 即可看到下图
    在这里插入图片描述

    2.3.5 检查cuda是否安装好,

    打开cmd,
    2.3.5.1 输入:cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
    输入之后,注意是否为自己安装的目录,然后按‘Enter’键
    2.3.5.2 找到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite目录下的deviceQuery.exe,在cmd里输入:deviceQuery.exe
    在这里插入图片描述
    在这里插入图片描述
    最终如果得到以下结果,则说明没错,已经安装好了,若Result=Fail重装或更换cuda版本吧。
    在这里插入图片描述
    2.3.5.3 找到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite目录下的bandwidthTest.exe,在cmd里输入:bandwidthTest.exe

    在这里插入图片描述
    得到以上结果说明正确!!

    3、CUDA配置VS2017

    3.1 、打开VS2017新建工程

    在这里插入图片描述

    3.2 、右击源文件→添加→新建项→CUDA C/C++ File;创建一个.cu文件

    在这里插入图片描述
    在这里插入图片描述

    3.3 、右击项目名称test_cuda→生成依赖项→生成自定义,→选择CUDA10.1→确定

    在这里插入图片描述
    在这里插入图片描述

    3.4、 右击cuda_test.cu文件→属性→配置属性→常规→项类型→CUDA C/C++

    在这里插入图片描述
    在这里插入图片描述

    3.5 、右击test_cuda→属性

    3.5.1→VC++目录。

    在包含目录中添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;在库目录中添加 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64。
    注意:要根据自己的CUDA安装添加正确的目录
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    3.5.2 →链接器→输入→附加依赖项。

    在附加依赖项中添加相应的.lib文件名称
    在这里插入图片描述
    我这里把所有的lib全加上了!

    cublasLt.lib
    
    cuda.lib
    
    cudadevrt.lib
    
    cudart.lib
    
    cudart_static.lib
    
    cufft.lib
    
    cufftw.lib
    
    curand.lib
    
    cusolver.lib
    
    cusparse.lib
    
    nppc.lib
    
    nppial.lib
    
    nppicc.lib
    
    nppicom.lib
    
    nppidei.lib
    
    nppif.lib
    
    nppig.lib
    
    nppim.lib
    
    nppist.lib
    
    nppisu.lib
    
    nppitc.lib
    
    npps.lib
    
    nvblas.lib
    
    nvgraph.lib
    
    nvml.lib
    
    nvrtc.lib
    
    OpenCL.lib
    

    在这里插入图片描述

    3.6、 配置成功后

    这里附带一个测试程序:

    // CUDA runtime 库 + CUBLAS 库   
    #include "cuda_runtime.h"  
    #include "cublas_v2.h"  
     
    #include <time.h>  
    #include <iostream>  
     
    using namespace std;
     
    // 定义测试矩阵的维度  
    int const M = 5;
    int const N = 10;
     
    int main()
    {
    	// 定义状态变量  
    	cublasStatus_t status;
     
    	// 在 内存 中为将要计算的矩阵开辟空间  
    	float *h_A = (float*)malloc(N*M * sizeof(float));
    	float *h_B = (float*)malloc(N*M * sizeof(float));
     
    	// 在 内存 中为将要存放运算结果的矩阵开辟空间  
    	float *h_C = (float*)malloc(M*M * sizeof(float));
     
    	// 为待运算矩阵的元素赋予 0-10 范围内的随机数  
    	for (int i = 0; i < N*M; i++) {
    		h_A[i] = (float)(rand() % 10 + 1);
    		h_B[i] = (float)(rand() % 10 + 1);
     
    	}
     
    	// 打印待测试的矩阵  
    	cout << "矩阵 A :" << endl;
    	for (int i = 0; i < N*M; i++) {
    		cout << h_A[i] << " ";
    		if ((i + 1) % N == 0) cout << endl;
    	}
    	cout << endl;
    	cout << "矩阵 B :" << endl;
    	for (int i = 0; i < N*M; i++) {
    		cout << h_B[i] << " ";
    		if ((i + 1) % M == 0) cout << endl;
    	}
    	cout << endl;
     
    	/*
    	** GPU 计算矩阵相乘
    	*/
     
    	// 创建并初始化 CUBLAS 库对象  
    	cublasHandle_t handle;
    	status = cublasCreate(&handle);
     
    	if (status != CUBLAS_STATUS_SUCCESS)
    	{
    		if (status == CUBLAS_STATUS_NOT_INITIALIZED) {
    			cout << "CUBLAS 对象实例化出错" << endl;
    		}
    		getchar();
    		return EXIT_FAILURE;
    	}
     
    	float *d_A, *d_B, *d_C;
    	// 在 显存 中为将要计算的矩阵开辟空间  
    	cudaMalloc(
    		(void**)&d_A,    // 指向开辟的空间的指针  
    		N*M * sizeof(float)    // 需要开辟空间的字节数  
    	);
    	cudaMalloc(
    		(void**)&d_B,
    		N*M * sizeof(float)
    	);
     
    	// 在 显存 中为将要存放运算结果的矩阵开辟空间  
    	cudaMalloc(
    		(void**)&d_C,
    		M*M * sizeof(float)
    	);
     
    	// 将矩阵数据传递进 显存 中已经开辟好了的空间  
    	cublasSetVector(
    		N*M,    // 要存入显存的元素个数  
    		sizeof(float),    // 每个元素大小  
    		h_A,    // 主机端起始地址  
    		1,    // 连续元素之间的存储间隔  
    		d_A,    // GPU 端起始地址  
    		1    // 连续元素之间的存储间隔  
    	);
    	cublasSetVector(
    		N*M,
    		sizeof(float),
    		h_B,
    		1,
    		d_B,
    		1
    	);
     
    	// 同步函数  
    	cudaThreadSynchronize();
     
    	// 传递进矩阵相乘函数中的参数,具体含义请参考函数手册。  
    	float a = 1; float b = 0;
    	// 矩阵相乘。该函数必然将数组解析成列优先数组  
    	cublasSgemm(
    		handle,    // blas 库对象   
    		CUBLAS_OP_T,    // 矩阵 A 属性参数  
    		CUBLAS_OP_T,    // 矩阵 B 属性参数  
    		M,    // A, C 的行数   
    		M,    // B, C 的列数  
    		N,    // A 的列数和 B 的行数  
    		&a,    // 运算式的 α 值  
    		d_A,    // A 在显存中的地址  
    		N,    // lda  
    		d_B,    // B 在显存中的地址  
    		M,    // ldb  
    		&b,    // 运算式的 β 值  
    		d_C,    // C 在显存中的地址(结果矩阵)  
    		M    // ldc  
    	);
     
    	// 同步函数  
    	cudaThreadSynchronize();
     
    	// 从 显存 中取出运算结果至 内存中去  
    	cublasGetVector(
    		M*M,    //  要取出元素的个数  
    		sizeof(float),    // 每个元素大小  
    		d_C,    // GPU 端起始地址  
    		1,    // 连续元素之间的存储间隔  
    		h_C,    // 主机端起始地址  
    		1    // 连续元素之间的存储间隔  
    	);
     
    	// 打印运算结果  
    	cout << "计算结果的转置 ( (A*B)的转置 ):" << endl;
     
    	for (int i = 0; i < M*M; i++) {
    		cout << h_C[i] << " ";
    		if ((i + 1) % M == 0) cout << endl;
    	}
     
    	// 清理掉使用过的内存  
    	free(h_A);
    	free(h_B);
    	free(h_C);
    	cudaFree(d_A);
    	cudaFree(d_B);
    	cudaFree(d_C);
     
    	// 释放 CUBLAS 库对象  
    	cublasDestroy(handle);
     
    	getchar();
     
    	return 0;
    }
    

    还有一点,运行代码时,注意选择对位数:
    在这里插入图片描述
    最后的运行结果为:
    在这里插入图片描述
    至此,CUDA环境和VS2017已经完全配置好了,可以写GPU程序了!!

    展开全文
  • python CUDA配置

    千次阅读 2019-06-22 01:12:06
    python版本:3.6 CUDA版本:9.0https://developer.nvidia.com/cuda-90-download-archive CUDNN版本:7.1.4... CUDA版本与CUDNN版本要严格对应,参考tensorflow 与cuda、cudnn的对应版本关系 ...

    python版本:3.6 

    CUDA版本:9.0 https://developer.nvidia.com/cuda-90-download-archive

    CUDNN版本:7.1.4 https://developer.nvidia.com/rdp/cudnn-archive

    CUDA版本与CUDNN版本要严格对应,参考tensorflow 与cuda、cudnn的对应版本关系

    1、下载安装python,勾选添加到path。

    2、下载安装CUDA,出现“this graphics driver could not find compatible graphics hardware”,选择只安装CUDA。

    3、下载cudnn并解压,将bin、include、lib覆盖复制到CUDA里。

    4、安装python 库

     

    展开全文
  • Windows 11 Cuda 配置

    千次阅读 2021-11-25 12:01:51
    关键词: win 11 、 VS2019 、 CUDA 11.5

    配置环境

    1.硬件

           12系cpu

           3080ti 显卡

    2.软件

           Windows 11 pro

           VS2019 Pro

           cuda : cuda_11.5.0_496.13_win10.exe

    安装顺序

           1.安装VS2019

           2.安装 cuda 

    1.安装VS2019

            VS2019 在微软官网下载安装器 “vs_Professional.exe”,按需求进行安装即可.

    2.安装cuda

             首先去官网下载相关驱动,根据自己的显卡型号,官网会筛选出对应可以使用的显卡驱动,选择下载进行安装。

             下载cuda开发包,需要登陆自己的nvidia账号,自己注册即可.

              “cudnn是一个为在GPU上实现深度网络提供支持的库。尽管使用GPU取代CPU来训练网络已经提供了显著的加速,但使用cudnn可以获得进一步的提升。”

                            --《基于CUDA的GPU并行程序开发指南》

    PS:cudnn大家按需下载

            如果已经安装了显卡驱动,建议先查询一下自己安装的cuda版本,以便于在安装cuda开发环境时选择对应匹配的开发包.

    准备安装软件: 

    2-1 .选择cuda安装文件的解压路径,默认在C盘,如果C盘空间不宽裕,可以选择解压在其他盘临时存储,安装完成后会自动删除.

    2-2.安装cuda时如果没有安装驱动选择精简安装,如果安装了驱动,选择自定义安装如果安装的版本和你当前的版本一致则可以不勾选驱动.

    2-3.安装路径,为了防止意外发生建议默认安装

            显示安装状态,看看那些没有安装,那些安装成功了…

                    这个问题我忽略了,好像对后面没有什么影响 

    2-4.测试安装是否成功

      运行两个检测程序:

      2-4.1 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\extras\demo_suite\deviceQuery.exe

            2-4.2 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\extras\demo_suite\bandwidthTest.exe

    3.测试 CUDA例程

      双击打开

        C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.5\0_Simple\simplePrintf

            下的工程

        simplePrintf_vs2019.vcxproj,

      直接编译运行即可

        PS:如果将例程copy到别的地方好像需要配置Samples的头文件和库文件。

     4.创建CUDA工程

      使用模板创建CUDA工程即可

      4.1.打开VS2019  -> 创建新项目 

             4.2.在搜索框内输入cuda ,搜索cuda的项目模板

            4.3.创建cuda的模板工程

             4.4.生成cuda的模板工程 编译运行

     至此cuda的开发环境已经安装成功了,接下来就开始快乐的GPU编程之旅吧

    展开全文
  • 提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录一、Win10开启Linux子系统操作步骤1.启用适用于 Linux 的 Windows 子系统2.检查运行 WSL 2 的要求3....配置环境变量此步
  • 2021年12月9日更新:可查看本人最新的CUDA环境配置博客:https://zhuanlan.zhihu.com/p/443114377,系对本文的... CUDA Toolkit1.2 cuDNN2 Anaconda配置2.1 下载2.2 创建conda环境3 pytorch+cudatoolkit配置3.1 注意
  • 图解vs2010中CUDA配置

    2014-08-30 22:29:11
    图解vs2010中CUDA配置操作说明,介绍了CUDA环境在VS2010里的配置
  • 英伟达3090 GPU Server Cuda配置过程

    千次阅读 2021-03-16 09:44:05
    英伟达3090的配置过程与以往Cuda没有什么太大的区别,核心请注意目前仅Cuda11支持3090的卡。 细节请参见Ubuntu 18.04 配置cuda Cuda安装 请先按照前述文章所述禁用nouveau与卸载GPU驱动。 随后前往...
  • cuda 环境配置

    千次阅读 2020-09-11 23:53:16
    第一步:下载cuda安装包 到nvidia 官网 :https://developer.nvidia.com/zh-cn 以此:下载 —》DUDA工具包 —》 DownloadNow —》依次选择环境(操作系统类型,操作系统位数,操作系统版本 安装类型) —》 下载:...
  • CUDA学习:Windows下的CUDA环境配置

    千次阅读 2022-07-16 18:37:16
    Windows环境下的CUDA配置
  • Windows QtCreator CUDA配置

    千次阅读 2019-12-18 09:28:59
    Qt .pro工程文件配置如下: # CUDA 设置 CUDA_SOURCES += cuda_code.cu CUDA_DIR = "C:/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v10.0/" SYSTEM_NAME = x64 SYSTEM_TYPE = 64 CUDA_ARCH = compute_61 ...
  • VSCODE配置cuda10.2

    千次阅读 2021-08-16 16:52:52
    c_cpp_properties.json { "configurations": [ { "name": "Linux", "includePath": [ "${workspaceFolder}/**", "${workspaceFolder}", "/usr/include", "/usr/include/x86_64-linux-gnu/sys", "/usr/local/cuda-...
  • RTX3070+windows11cuda配置教程

    千次阅读 2021-12-02 18:07:03
    RTX3070+windows11cuda配置教程
  • CUDA配置说明 SDK

    2010-12-30 14:44:19
    快速配置VC下的CUDA的开发环境,自己的一些总结。希望对刚接触CUDA同仁有所帮助
  • cuda 环境变量配置

    千次阅读 2021-12-21 22:40:35
    cuda 环境变量 vim ~/.bashrc 键盘大写“G”,在最末端输入 使其生效:source ~/.bashrc 验证 nvcc -V export PATH="/usr/local/cuda-11.3/bin:$PATH" export LD_LIBRARY_PATH="/usr/local/cuda-11.3/lib64:$LD_...
  • Win 系统 CUDA 环境配置及卸载

    千次阅读 2021-11-16 16:41:17
    1、下载并安装CUDA 查看自己电脑支持的 cuda 版本,或者选择自己需要的 cuda 版本安装。(本教程以cuda1.2为例) 献上各种CUDA的下载链接:CUDA Toolkit Archive | NVIDIA Developer 当解压完毕后会自动运行...
  • CUDA+Windows+VS环境配置

    千次阅读 2021-02-05 15:22:55
    Index 目录索引写在前面1 VS的安装2 CUDA 的安装和配置2.1 CUDA的安装2.2 CUDA环境变量的配置2.3 检验CUDA环境变量的配置3 VS中CUDA配置安装过程中可能遇到的问题情况1 写在前面 以前只是在 PyCharm 编译环境中...
  • 【踩坑】RTX30系列显卡的CUDA配置

    千次阅读 2021-12-14 20:35:46
    具体配置为 R7 5800 + RTX 3060 12GB。 将之前的实验数据连同 Ubuntu 20.04 LTS 系统一同转移到了 1T固态硬盘。 本以为插上直接用,结果显卡提升太大,环境需要重新配一次...... 原先为 GT730 亮机卡(不能说垃圾...
  • linux环境 cuda 11.1配置

    千次阅读 2021-08-03 14:22:27
    首先下载cuda,进入以下网址 https://developer.nvidia.com/cuda-11.1.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfile...
  • 最新CUDA环境配置(Win10 + CUDA 11.6 + VS2019)

    万次阅读 多人点赞 2022-04-21 20:42:57
    本文介绍如何在win10系统中搭建CUDA + VS2019的开发环境 CUDA是目前做人工智能, 深度学习等方向的必备工具库. 由CUDA衍生出的加速工具很多, 如: cuDNN, TensorRT, cuBLAS等HPC加速库, 或者涉及最新的元宇宙概念中的...
  • 配置CUDA 5.0以及MFC的CUDA工程配置。有时候需要完成包含有窗体的CUDA工程,需要按照上传的资料进行配置
  • windows下VS安装CUDA环境配置

    千次阅读 2022-01-28 18:12:00
    windows下VS安装CUDA环境配置一.CUDA环境配置VS中配置CUDA 一.CUDA环境配置 1.此电脑->属性->高级系统设置->环境变量->系统变量 在系统变量中新建5个新内容(如图所示): 1.变量名: CUDA_SDK_PATH 变量...
  • CUDA的安装与配置

    千次阅读 2021-06-18 20:35:42
    1.首先找到自己的控制面板看一下自己的配置 2.确认自身系统支持最大的CUDA 3.前往 https://developer.nvidia.com/cuda-toolkit 去下载。在安装的时候一定要自定义安装,否则将会安装很多无用的东西。安装的选项,...
  • 关于cuda、cudnn环境配置

    千次阅读 2022-04-27 18:58:41
    cuda、cudnn环境配置 查看当前cuda版本 在cmd命令行中输入nvidia-smi查看NVIDIA显卡driver version以及可安装的最高CUDA版本,如下图本电脑所示,driver version为431.40,可安装的最高CUDA版本为10.1.
  • CUDA安装以及cuDNN配置

    千次阅读 2021-04-14 15:36:21
    CUDA11.2安装以及cuDNN8.1.0配置版本对应查驱动版本一、安装CUDA 11.2二、配置cuDNN 8.1.01.下载包(前提需要注册一个免费的NVIDIA)2.解压缩,复制文件 版本对应 NVIDIA官网给出的官方信息   所有能安装配置的...
  • CUDA在VS中的配置方法

    千次阅读 2021-04-22 20:49:24
    配置好vs2017程序后,发现还是不能运行有关cuda的文件 问题在于还没有在vs中配置cuda 本记录主要解决该问题。 一、新建项目 打开VS2017→ 新建项目→Win32控制台应用程序 → “空项目”打钩 二、调整配置管理器平台...
  • VS2019&CUDA | VS2019编程CUDA环境配置

    千次阅读 2020-10-31 16:30:22
    1.打开vs2019,(我们可以观察到,在VS2017模板一栏下方出现了“NVIDIA/CUDA 10.2”。)创建一个空win32程序,即cuda_test...4.点击cuda_main.cu的属性,在配置属性–>常规–>项类型–>选择“CUDA C/C++”。 5
  • 会自动安装7.5版本的cuda,系统认为你没有安装cuda,实际上你已经装了,执行这条命令会重新安装cuda 正确要在~/.bashrc里面添加下面两句,然后运行source ~/.bashrc export PATH=/usr/local/cuda-11.1/bin:$PATH ...
  • 本文是在上一篇文章的基础上加入GPU的配置,核心依然是使用Cmake对OpenCV+Contrib进行配置,只不过在配置过程中需要注意一些小细节的设置。 step1 运行环境和前期准备 查看自己是否为NVIDIA显卡,是否支持CUDA: ...
  • ubuntu20配置cuda环境

    千次阅读 2020-11-12 12:14:59
    接下来就是配置cuda的环境变量了。 1.首先你需要通过gedit ~/.bashrc打开文件 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.2/lib64 export PATH=$PATH:/usr/local/cuda-10.2/bin export CUDA_HOME=...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 63,161
精华内容 25,264
关键字:

cuda配置