-
CUDA的安装
2015-03-16 15:30:32目前版本的cuda是很方便的,它的一个安装里面包括了Toolkit`SDK`document`Nsight等等,而不用你自己去挨个安装,这样也避免了版本的不同步问题。 1 cuda5.5的下载地址,官方网站即可: ...目前版本的cuda是很方便的,它的一个安装里面包括了Toolkit`SDK`document`Nsight等等,而不用你自己去挨个安装,这样也避免了版本的不同步问题。
1 cuda5.5的下载地址,官方网站即可:
https://developer.nvidia.com/cuda-downloads 在里面选择你所对应的电脑版本即可。
2 VS2010这个没什么说的了,网上各种的免费资源,下载一个不需要钱的就行。
3 Cuda的安装:(win7版32bit)
安装cuda
3.1 cuda的安装文件
直接双击exe文件,弹出后,首先会监测一下你的运行环境,如果找不到Nividia对应的显卡设备,他会提示你是否要继续安装。这里面nvidia的显卡,最起码也是8800以上的,要不是无法编写CUDA的。千万不要电脑上面是intel或者AMD的显卡,却要编写cuda,除非你有钱买一个cuda-x86这个编译器。
3.2 弹出的对话框直接OK就行,这个是CUDA的一些安装文件,无所谓的:
3.3 他会监测你的电脑是否支持cuda的搭建,等待就行
3.4 系统检查
3.5 选择同意并继续
3.6 推荐先选择自定义安装
3.7 最主要的是cuda document\cuda Toolkit \cuda samples(SDK),Nsight\图形驱动程序,3D如果需要的话安装,不安装也无所谓。这里主要就是能看见都有什么,免得漏掉了,博主当初就因为选了精简安装,没安装上SDK。
3.7 安装的位置,推荐自己建三个好找的文件夹,不用他默认的路径,免得稍后配置环境变量麻烦。
博主的安装路径为:
3.8 下一步安装就行了。
至此,cuda的安装就搞定了。
4 接下来配置cuda的环境变量,默认安装好后,他会自动帮你设置好2个环境变量,但是最好还自己添加下其他的几个,方便日后配置vs使用
上面的两个环境变量是cuda默认配置的,接下来添加
CUDA_BIN_PATH %CUDA_PATH%\bin CUDA_LIB_PATH %CUDA_PATH%\lib\Win32 CUDA_SDK_BIN %CUDA_SDK_PATH%\bin\Win32 CUDA_SDK_LIB %CUDA_SDK_PATH%\common\lib\Win32 CUDA_SDK_PATH C:\cuda\cudasdk\common
添加完就行了
5 接下来是cuda的安装成功与否的监测了,这个步骤我们用到两个东西,这两个东西,都是cuda为我们准备好的。
deviceQuery.exe 和 bandwithTest.exe
首先启动cmd DOS命令窗口(博主的cuda安装到c:\cuda文件夹下)
默认进来的是c:\users\Admistrator\>路径,输入 cd .. 两次,来到c:目录下
输入dir 找到安装的cuda文件夹
进入Release文件夹后,直接执行bandwithTest.exe
再执行deviceQuery.exe
得到以上信息,因为我的显卡比较古老9300属于第一代的cuda显卡了。Rsult=PASS及说明,都通过了。如果Rsult=Fail 那不好意思,重新安装吧(或者是您的显卡真心不给力)。
关于VS项目测试(推荐)
打开VS,新建项目
利用安装好的cuda向导,直接建立工程,里面会自动有一段kernel累加的代码
View Code
在main函数return之前加入getchar(),停止自动退出,以便观测效果
进入后,点击运行按钮,可能发生LINK错误(如果没有错误,跳过此段)
这时进入-》项目-》属性-》通用配置-》输入和输出-》嵌入清单 ---- 修改成否,原来可能为“是”
再次编译,成功运行后,会显示下面的结果
恭喜,cuda已经在您的机器上安装成功了。
如果是新手,推荐这样新建工程后,在里面修改代码成为自己的工程,配置属性不会出错。
如果想要自己手动配置也可以参考下面的例子。
手动配置VS项目(不推荐)
最后就是VS的配置了(这个是自己手动配置的,有时候容易出现问题,不是很推荐,建议用上面的方法建立项目进行测试)
5.1 启动VS2010
5.2 新建一个win32的控制台工程,空的。
5.3 右键源文件文件夹->新建项->选择cuda c/c++->新建一个以.cu结尾的文件
5.4 右键工程-》生成自定义-》选择cuda生成
5.5 右键test.cu-》属性-》选择cuda c/c++编译器
5.6 右键工程-》属性-》链接器-》常规-》附加库目录-》添加目录 $(CUDA_PATH_V5_5)\lib\$(Platform);
5.7 在链接器-》输入中添加 cudart.lib
5.8 在工具-》选项-》文本编辑器-》文件扩展名-》添加cu \cuh两个文件扩展名
至此,编译环境的相关搭建就完成了。
下面提供了一段test.cu的代码,供测试使用:
1 #include <stdio.h> 2 #include <stdlib.h> 3 #include <cuda_runtime.h> 4 5 #define DATA_SIZE 1024 6 #define checkCudaErrors(err) __checkCudaErrors (err, __FILE__, __LINE__) 7 #define getLastCudaError(msg) __getLastCudaError (msg, __FILE__, __LINE__) 8 9 int data[DATA_SIZE]; 10 11 //// 12 // These are CUDA Helper functions 13 14 // This will output the proper CUDA error strings in the event that a CUDA host call returns an error 15 16 17 inline void __checkCudaErrors(cudaError err, const char *file, const int line ) 18 { 19 if(cudaSuccess != err) 20 { 21 fprintf(stderr, "%s(%i) : CUDA Runtime API error %d: %s.\n",file, line, (int)err, cudaGetErrorString( err ) ); 22 return ; 23 } 24 } 25 26 // This will output the proper error string when calling cudaGetLastError 27 28 29 inline void __getLastCudaError(const char *errorMessage, const char *file, const int line ) 30 { 31 cudaError_t err = cudaGetLastError(); 32 if (cudaSuccess != err) 33 { 34 fprintf(stderr, "%s(%i) : getLastCudaError() CUDA error : %s : (%d) %s.\n", 35 file, line, errorMessage, (int)err, cudaGetErrorString( err ) ); 36 return ; 37 } 38 } 39 40 // end of CUDA Helper Functions 41 42 __global__ static void sumOfSquares(int *num, int * result){ 43 int sum=0; 44 int i; 45 for(i=0;i<DATA_SIZE;i++) { 46 sum += num[i]*num[i]; 47 } 48 *result = sum; 49 } 50 void GenerateNumbers(int *number, int size){ 51 for(int i = 0; i < size; i++) { 52 number[i] = rand() % 10; 53 printf("number[%d] is %d\n",i,number[i]); 54 }} 55 56 int main(){ 57 58 cudaSetDevice(0); 59 cudaDeviceSynchronize(); 60 cudaThreadSynchronize(); 61 62 GenerateNumbers(data, DATA_SIZE); 63 64 int * gpudata, * result; 65 int sum; 66 67 checkCudaErrors( cudaMalloc((void**) &gpudata, sizeof(int)*DATA_SIZE)); 68 checkCudaErrors(cudaMalloc((void**) &result, sizeof(int))); 69 checkCudaErrors(cudaMemcpy(gpudata, data, sizeof(int)*DATA_SIZE,cudaMemcpyHostToDevice)); 70 71 sumOfSquares<<<1, 1, 0>>>(gpudata, result); 72 73 checkCudaErrors(cudaMemcpy(&sum, result, sizeof(int), cudaMemcpyDeviceToHost)); 74 75 cudaFree(gpudata); 76 cudaFree(result); 77 78 printf("-----------sum: %d\n",sum); 79 80 sum = 0; 81 for(int i = 0; i < DATA_SIZE; i++) { 82 sum += data[i] * data[i]; 83 } 84 printf("sum (CPU): %d\n", sum); 85 86 getchar(); 87 return 0; 88 }
前言
本文讲解如何在VS 2010开发平台中搭建CUDA开发环境
当前配置:
系统:WIN7 64位
开发平台:VS 2010
显卡:英伟达G卡
CUDA版本:6.0
若配置不一样,请勿参阅本文。
第一步
点击这里下载 cuda最新版,目前最高版本是6.0。下载完毕后得到 cuda_6.0.37_winvista_win7_win8.1_general_64.exe 文件。
第二步
运行安装程序,弹出安装过程中转文件路径设定框:
这个路径随便填无所谓,安装完后就会自动删除的,我就直接设置为默认的。
第三步
等待系统帮你检测当前平台是否适合搭建CUDA:
第四步
检测完毕后,正式进入CUDA安装界面:
同意并继续
第五步
然后选择安装模式:
为了完全安装所有功能,选择自定义模式安装。
第六步
接下来勾选要安装的组件:
全部勾上
第七步
接下来要设置三个安装路径:
这三个路径安装的是什么在日后的文章中将会解释,目前先不理会,直接安装到默认路径。点击下一步之后开始正式安装。
第八步
安装完毕后,可以看到系统中多了CUDA_PATH和CUDA_PATH_V6_0两个环境变量,接下来,还要在系统中添加以下几个环境变量:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\x64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
然后,在系统变量 PATH 的末尾添加:
;%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
第九步
重新启动计算机以使环境变量生效
第十步
打开VS2010并建立一个空的win32控制台项目:
附加选项那里请把“空项目”打钩:
第十一步
右键源文件 -> 添加 -> 新建项 如下图所示:
在打开的对话框中选择新建一个CUDA格式的源文件 (如果你只是要调用 CUDA 库编写程序而不需要自行调用核函数分配块,线程的话也可以就建立 .cpp 的源文件):
第十二步
右键工程 -> 生成自定义 如下图所示:
在弹出的对话框中勾选“CUDA 6.0 *****"选项:
第十三步
右键项目 -> 属性 -> 配置属性 -> VC++目录,添加以下两个包含目录:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\include
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\inc
再添加以下两个库目录:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.0\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v6.0\common\lib\x64
第十四步
右键项目 -> 属性 -> 配置属性 ->连接器 -> 常规 -> 附加库目录,添加以下目录:
$(CUDA_PATH_V6_0)\lib\$(Platform)
如下图所示:
第十五步
右键项目 -> 属性 -> 配置属性 ->连接器 -> 输入 -> 附加依赖项,添加以下库:
cublas.lib cublas_device.lib cuda.lib cudadevrt.lib cudart.lib cudart_static.lib cufft.lib cufftw.lib curand.lib cusparse.lib nppc.lib nppi.lib npps.lib nvblas.lib (32位系统请勿附加此库!) nvcuvenc.lib nvcuvid.lib OpenCL.lib
如下图所示:
第十六步
右键项目 -> 属性,如下图所示:
将项类型设置为 CUDA C/C++:
第十七步
打开配置管理器,如下图所示:
点击 新建,如下图所示:
选择 X64 平台:
好了,至此平台已经完全搭建完毕,可用以下代码进行测试:
1 // CUDA runtime 库 + CUBLAS 库 2 #include "cuda_runtime.h" 3 #include "cublas_v2.h" 4 5 #include <time.h> 6 #include <iostream> 7 8 using namespace std; 9 10 // 定义测试矩阵的维度 11 int const M = 5; 12 int const N = 10; 13 14 int main() 15 { 16 // 定义状态变量 17 cublasStatus_t status; 18 19 // 在 内存 中为将要计算的矩阵开辟空间 20 float *h_A = (float*)malloc (N*M*sizeof(float)); 21 float *h_B = (float*)malloc (N*M*sizeof(float)); 22 23 // 在 内存 中为将要存放运算结果的矩阵开辟空间 24 float *h_C = (float*)malloc (M*M*sizeof(float)); 25 26 // 为待运算矩阵的元素赋予 0-10 范围内的随机数 27 for (int i=0; i<N*M; i++) { 28 h_A[i] = (float)(rand()%10+1); 29 h_B[i] = (float)(rand()%10+1); 30 31 } 32 33 // 打印待测试的矩阵 34 cout << "矩阵 A :" << endl; 35 for (int i=0; i<N*M; i++){ 36 cout << h_A[i] << " "; 37 if ((i+1)%N == 0) cout << endl; 38 } 39 cout << endl; 40 cout << "矩阵 B :" << endl; 41 for (int i=0; i<N*M; i++){ 42 cout << h_B[i] << " "; 43 if ((i+1)%M == 0) cout << endl; 44 } 45 cout << endl; 46 47 /* 48 ** GPU 计算矩阵相乘 49 */ 50 51 // 创建并初始化 CUBLAS 库对象 52 cublasHandle_t handle; 53 status = cublasCreate(&handle); 54 55 if (status != CUBLAS_STATUS_SUCCESS) 56 { 57 if (status == CUBLAS_STATUS_NOT_INITIALIZED) { 58 cout << "CUBLAS 对象实例化出错" << endl; 59 } 60 getchar (); 61 return EXIT_FAILURE; 62 } 63 64 float *d_A, *d_B, *d_C; 65 // 在 显存 中为将要计算的矩阵开辟空间 66 cudaMalloc ( 67 (void**)&d_A, // 指向开辟的空间的指针 68 N*M * sizeof(float) // 需要开辟空间的字节数 69 ); 70 cudaMalloc ( 71 (void**)&d_B, 72 N*M * sizeof(float) 73 ); 74 75 // 在 显存 中为将要存放运算结果的矩阵开辟空间 76 cudaMalloc ( 77 (void**)&d_C, 78 M*M * sizeof(float) 79 ); 80 81 // 将矩阵数据传递进 显存 中已经开辟好了的空间 82 cublasSetVector ( 83 N*M, // 要存入显存的元素个数 84 sizeof(float), // 每个元素大小 85 h_A, // 主机端起始地址 86 1, // 连续元素之间的存储间隔 87 d_A, // GPU 端起始地址 88 1 // 连续元素之间的存储间隔 89 ); 90 cublasSetVector ( 91 N*M, 92 sizeof(float), 93 h_B, 94 1, 95 d_B, 96 1 97 ); 98 99 // 同步函数 100 cudaThreadSynchronize(); 101 102 // 传递进矩阵相乘函数中的参数,具体含义请参考函数手册。 103 float a=1; float b=0; 104 // 矩阵相乘。该函数必然将数组解析成列优先数组 105 cublasSgemm ( 106 handle, // blas 库对象 107 CUBLAS_OP_T, // 矩阵 A 属性参数 108 CUBLAS_OP_T, // 矩阵 B 属性参数 109 M, // A, C 的行数 110 M, // B, C 的列数 111 N, // A 的列数和 B 的行数 112 &a, // 运算式的 α 值 113 d_A, // A 在显存中的地址 114 N, // lda 115 d_B, // B 在显存中的地址 116 M, // ldb 117 &b, // 运算式的 β 值 118 d_C, // C 在显存中的地址(结果矩阵) 119 M // ldc 120 ); 121 122 // 同步函数 123 cudaThreadSynchronize(); 124 125 // 从 显存 中取出运算结果至 内存中去 126 cublasGetVector ( 127 M*M, // 要取出元素的个数 128 sizeof(float), // 每个元素大小 129 d_C, // GPU 端起始地址 130 1, // 连续元素之间的存储间隔 131 h_C, // 主机端起始地址 132 1 // 连续元素之间的存储间隔 133 ); 134 135 // 打印运算结果 136 cout << "计算结果的转置 ( (A*B)的转置 ):" << endl; 137 138 for (int i=0;i<M*M; i++){ 139 cout << h_C[i] << " "; 140 if ((i+1)%M == 0) cout << endl; 141 } 142 143 // 清理掉使用过的内存 144 free (h_A); 145 free (h_B); 146 free (h_C); 147 cudaFree (d_A); 148 cudaFree (d_B); 149 cudaFree (d_C); 150 151 // 释放 CUBLAS 库对象 152 cublasDestroy (handle); 153 154 getchar(); 155 156 return 0; 157 }
运行结果
PS: 矩阵元素是随机生成的
-
CUDA的安装和环境配置
2019-03-11 19:43:39CUDA的安装和环境配置CUDA的安装和环境配置
第一步,首先查看自己的电脑是不是英伟达显卡的,不是的话就装不了!
第二,电脑上要有visual studio,没有的话,可以登录Csdn—https://msdn.itellyou.cn/这个网址上面下一个,
具体下载那个看自己的需求(建议下个2010版本的)
第三就是下载cuda了:进这个网址https://developer.nvidia.com/cuda-downloads
点击遗产版本:
里面选择你需要的版本,Window的建议下载5.5的,widows10的建议下载9.0的
点击下载,等待几分钟。下载完成后直接点击安装,安装过程要注意:
这个安装路径不用搭理,
这个是安装的具体路径,不用修改,因为修改后,等会安装完成,配置环境变量就很烦,
接着就看到这个界面,也不用动,点击下一步
这个是检查系统兼容性的,一般下载版本对的话,都兼容,
这步很关键,要点击高级安装,如果点击精简模式安装的话,到时候SDK会安装不成功,
这步,检查下组件那里有没有相应的组件,cuda toolkit SDK 等
安装位置默认
安装完成后
第三步:
进到这个页面,点击高级系统设置
点击环境变量
里面会看到多了两个系统变量,现在安装成功一半了。接下来,在环境变量那里新建5个
系统变量。如下;
CUDA_BIN_PATH %CUDA_PATH%\bin
CUDA_LIB_PATH %CUDA_PATH%\lib\Win64
CUDA_SDK_BIN %CUDA_SDK_PATH%\bin\Win64
CUDA_SDK_LIB %CUDA_SDK_PATH%\common\lib\Win64
CUDA_SDK_PATH C:\cuda\cudasdk\common
第四步打开Vs,能看到CUDA9.0证明已经成功:
第五步,尝试建一个简单的cuda项目:
点击确认,然后随便找段代码,放进去,点击运行,
这里补充一下,该代码虽然没错但是会出现如下的警告,解决方式,点击文件——项目——另存为——保存方式——
编码保存——utf_8保存:
无警告提示;
整个过程很简单,希望你能学会! -
opencv和cuda的安装配置
2019-05-27 16:40:52opencv和cuda的安装配置工具准备安装配置安装cuda安装opencv测试和使用 工具准备 第一组: opencv3.4.5和cuda10.1,win7环境; 第二组: opencv3.4.5和cuda9.2,win10环境; 下面主要使用第一组配置 安装配置 ...工具准备
第一组: opencv3.4.5和cuda10.1,win7环境; 第二组: opencv3.4.5和cuda9.2,win10环境; 下面主要使用第一组配置
安装配置
安装cuda
1、解压并开始安装cuda
2、安装过程
安装过程中可能会出现驱动兼容性警告。此时可以选择继续安装,只要你的cuda版本能够兼容(高于)Nvidia GPU的cuda版本,可能不会出问题;如果下一步出现驱动安装错误,可以选择更换cuda版本,如选择第二组工具中的cuda9.2来安装,可以解决问题。
可以选择custom或者自定义模式安装。自定义模式可以选择只安装cuda,或者加上其他的模块。
3、测试安装完成
安装opencv
opencv3.4.5需要编译安装
1、配置好source和build目录后,先点击configure,完成后搜索找到WITH_CUDA选项并勾选,再点击configure,最后检查看是否需要配置的模块都已勾选。
2、点击generate,配置generator,使用当前VS版本,use default native compilers,生成opencv工程。
3、open project,编译opencv工程(debug和release版本),生成在build目录中。如E:\opencv\build\lib
、E:\opencv\build\include
等。注意,cuda头文件(如cudaarithm.hpp
)可能不在include目录中,需要从source目录中拷贝过来。测试和使用
以后的博文中针对使用案例来做说明
-
Ubuntu16.04中CUDA的安装
2018-01-10 16:13:19由于学习需要在自己的电脑上面安装了Ubuntu16.04系统然后需要进行CUDA的安装. 首先需要有Anaconda环境,这里就不过多介绍这个的安装了. 我这里使用的是anaconda2,我的安装路径是/home/username/anaconda2/ 首先你...由于学习需要在自己的电脑上面安装了Ubuntu16.04系统然后需要进行CUDA的安装.
首先需要有Anaconda环境,这里就不过多介绍这个的安装了.
我这里使用的是anaconda2,我的安装路径是/home/username/anaconda2/
首先你需要给本机的英伟达显卡安装好相应的驱动,
然后你需要从英伟达的官网下载cuda8.0的安装包,
官网提供两种格式的安装包,
第一种是.run格式的,下载好之后直接运行.run文件就可以了
第二种是.deb格式的,安装步骤如下:sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb sudo apt-get update sudo apt-get install cuda
如果在安装过程中出现gcc版本过高的问题,请对gcc进行降级操作:
这里使用 4.9版本的gccsudo apt-get install gcc-4.9 sudo apt-get install g++-4.9
链接gcc
sudo rm gcc sudo ln -s gcc-4.9 gcc sudo rm g++ sudo ln -s g++-4.9 g++
cuda 安装完成之后还需要进行环境变量的配置:
在用户文件或者profile中添加如下内容:export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
然后运行
nvcc -V
出现类似于下方的提示说明安装成功:
nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2015 NVIDIA Corporation Built on Tue_Aug_11_14:27:32_CDT_2015 Cuda compilation tools, release 7.5, V7.5.17
-
tensorflow-gpu版本和cuda的安装
2019-01-04 14:40:31tensorflow-gpu版本和cuda的安装 最近用到tensorflow的gpu版本,安装cuda和cudnn的过程中,遇到一些坑,这里记录一下。 首先介绍一下博主的系统和显卡:Windows 10 和RTX 2080 1、先决定你要选择的tensorflow版本 ... -
【CUDA开发】CUDA的安装、Nvidia显卡型号及测试
2016-09-09 23:31:41说明:想要让Theano在Windows8.1下能利用GPU并行运算,必须有支持GPU并行运算的Nvidia显卡,且要安装CUDA,千万不要电脑上是Intel或AMD的显卡,却要编写CUDA。 文中用到的所有软件均共享在百度云盘...一、CUDA的安装 -
CUDA——Windows上CUDA的安装教程
2019-09-12 10:51:06感谢网友没有人喜欢一个人、Young和无飞天下提供的帮助, 原文链接如下: https://blog.csdn.net/u010618587/article/details/82940528 https://www.cnblogs.com/xiaojianliu/p/9286066.html ... -
ubuntu16.04下cuda的安装
2018-08-23 14:54:31开始安装CUDA!同样在官网上下载离线安装包(以.run为后缀): 链接:https://developer.nvidia.com/cuda-downloads 登入系统,使用组合键【Ctrl】+ 【Alt】+【F2】 进入命令行,并使用amax用户登录后: 命令: ... -
Ubuntu16.04 下cuda的安装
2017-07-28 20:11:28cuda:CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU... -
nvidia 驱动与CUDA 的安装
2018-02-02 16:05:421、驱动 将驱动源加入,更新 sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update 查找最新的版本 ...2、CUDA驱动 在官网找到对应OS与CPU, https://develop -
win10下pytorch和CUDA的安装完整过程
2020-02-11 14:09:29一、安装Anaconda 或者Miniconda,这里不再赘述,conda的具体安装和使用自行百度。 二、查看并升级Nvidia显卡驱动 1、在win10系统里,点击右下角的向上箭头,看到缩略图,英伟达的logo下方有个“!”,提示驱动有... -
Linux下,Nvidia驱动以及Cuda的安装
2019-08-06 12:44:27一、确认安装环境 1.禁用nouveau(否则与NVIDIA驱动安装会有冲突,nouveau是linux自带系统驱动) 右键打开终端 sudo vi /etc/modprobe.d/blacklist.conf(没有安装vim编辑器需要先执行 sudo apt-get install vim) ... -
liunx下CUDA的安装方法
2012-03-22 18:57:37CUDA 在linux系统上安裝指南 适用的操作系统 Fedora 7,8,9,10 Redhat Enterprise 3.x,4.x,5.x SUSE Linux Enterprise Desktop 10-SP1,10.2,11.0 OpenSUSE 10.1,10.2,10.3,11.0,11.1 Ubuntu 7.04... -
GTX TITANX 显卡下显卡驱动和cuda的安装血泪史
2017-12-19 20:00:34原来我在服务器刚买回来时(2016.4)上本来是这个版本安装的:ubuntu 14.04 + GTX TITANX 显卡驱动驱动直接官网下载当时最新+cuda7.5+opencv 3.0.0rc+matalbr2014a,没问题,师弟一拨乱搞把显卡驱动搞崩了。 -
Linux安装CUDA的正确姿势
2018-08-20 23:12:39Linux安装CUDA的正确姿势 CUDA(Compute Unified Device Architecture,统一计算架构)是由NVIDIA所推出的一种集成技术,是该公司对于GPGPU的正式名称。 透过这个技术,用户可利用NVIDIA的GeForce 8以后的GPU和较... -
Ubuntu16.04下安装cuda和cudnn的三种方法(亲测全部有效)
2018-08-15 11:44:491.cuda的安装 1.1 最简单的方法——分开安装驱动和cuda 1.2 更万能的方法——同时安装驱动和cuda 1.3 终极杀手锏 2.cudnn的安装 安装之前首先要确认你需要安装的cuda和cudnn的版本,假如你后续还需要... -
win10下pytorch-gpu安装以及CUDA详细安装过程
2019-08-17 09:23:551.Cuda的下载安装及配置 首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中,查看是否有独立显卡。 可以看到本机有一个集成显卡和独立显卡NVIDIA GetForce GTX 1050。 接下来,测试... -
win10卸载CUDA10.1安装CUDA10.0后利用conda配置pytorch
2019-05-22 11:26:36win10卸载CUDA10.1安装CUDA10.0后利用conda配置pytorch卸载CUDA10.1安装CUDA10.0安装Pytorch...其实官网是有CUDA的卸载教程的官网卸载教程但是,我的电脑并没有里边说的路径,我也没有在CUDA的安装文件里找到相应的u... -
linux卸载旧版CUDA跟安装的驱动并安装新版CUDA跟cudnn安装
2020-01-05 15:14:14使用GPU和CUDA、cuDNN进行深度学习计算的浪潮已经持续了很多年,在此期间,显卡驱动和CUDA版本,以及cudnn深度学习工具包的版本已经更新了很多次...本文将介绍如何卸载旧版CUDA(如8.0版)并安装新版CUDA(10.0版) 材... -
cuda10.1安装
2019-05-19 09:45:21cuda10.1的安装(不兼容,又卸载了) https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 在这里查看安装的版本,在百度上搜索就行,cuda10.1安装就行,... -
CUDA安装
2019-09-05 15:24:14一、查看支持CUDA的GPU显卡型号:https://developer.nvidia.com/cuda-gpus 二、下载CUDA:https://developer.nvidia.com/cuda-toolkit-archive 1、运行cuda_10.0.130_411.31_win10.exe。安装程序会自动进行系统... -
使用conda安装的cudatoolkit安装NVIDIA apex
2020-01-07 22:43:42查看系统cuda千万不能用nvidia-smi来看,nvidia-smi提供的是Driver Cuda的版本,并非我们运行时所用的cuda。可以用下列最可靠的指令来看系统cuda版本。 nvcc -V 或者(如果你没配环境变量的话) /usr/local/cuda/... -
cuda、cuDNN的安装和cuda版本不一致问题……
2020-06-04 20:42:28推荐两篇cuda的安装,可以参考: 非root用户在linux下安装多个版本的CUDA和cuDNN(cuda 8、cuda 10.1 等) 非root用户在Linux系统下安装cuda 注意: 在下载好cuDNN后,对其进行解压,解压到cuda文件夹中。(是... -
CUDA10.0安装
2019-04-24 17:34:51a:如果 cuda 安装方式是用 deb 安装,采用以下方法彻底卸载 先查询所有与 cuda 相关的软件并写入到 txt 文件中: dpkg -l | grep cuda | awk ‘{print $2}’>cuda.txt (自己指定保存路径) 新建一个脚本文件,... -
Cuda安装详细步骤
2017-01-09 11:27:02网上有很多cuda的安装教程,每个人的电脑配置不同遇到的问题也不一样,现在就我自己的安装配置情况总结一下具体的安装步骤,因为有同学的正确指导,在实际的安装过程中并没有遇到什么特别大的难题,每一步都很仔细... -
Debian安装cuda的过程
2018-01-01 22:16:59这周折腾cuda的安装将近3天,非常痛苦,在此记录一下,好久没有写过博客了。 原因:因为使用了mxnet的version是0.12.0,而之前的cuda支持的是0.9.0所以需要重装cuda 最初的那台机器是不支持mxnet=0.12.0的,但是...
-
pyechart数据可视化
-
WPF上位机数据采集与监控系统零基础实战
-
JAVAEE主流框架之SpringMvc框架实战开发教程(源码+讲义
-
三维地图GIS大数据可视化
-
算法导论(基础知识)——编程大牛的必经之路
-
极客日报第 60 期:百度推出开发者搜索 Beta;法国总统马克龙警告谷歌和微软要遵守欧盟法规;2.2 亿巴西人隐私信息泄露
-
v-html关于css和scss样式问题
-
todo - list微信小程序:grinning_face:-源码
-
基于调腔技术的棱镜式激光陀螺损耗控制
-
函数内的exec
-
如何测试充电宝输出电压-20210127
-
2021-01-27
-
转行做IT-第6章 IDEA、方法
-
linux中的fork分析
-
SubstancePainter插件开发-基础入门
-
微信小程序,支付宝小程序条形码,二维码-源码
-
老板直聘,微信小程序-源码
-
第1章 Java入门基础及环境搭建【java编程进阶】
-
layui 多附件上传 删除文件后重新选择无法显示的解决方案
-
基于光场相机的四维光场图像水印及质量评价