精华内容
下载资源
问答
  • libcudnn7_7.6.2.24-1+cuda10.0_amd64.deb libcudnn7-dev_7.6.2.24-1+cuda10.0_amd64. 造福一下程序员
  • cuda10.0.txt

    2021-03-11 11:05:04
    cuda10.0和对应cudnn10.0(百度网盘)
  • cuda10.0和cudnn10.0.txt

    2020-04-17 19:03:25
    cuda10.0和cudnn10.0下载,百度网盘资源,有时官网的cudnn会打不开,无法下载,这里百度网盘备份下载。
  • Pytorch 1.4.0 + cuda10.0 安装

    万次阅读 热门讨论 2020-04-17 10:54:58
    官网给的是Pytorch 1.2.0 + cuda10.0 安装. 而一般如果是cuda10.0直接安装pytorch会显示cuda unavailable。 解决 pip install torch==1.4.0+cu100 torchvision==0.5.0+cu100 -f ...

    综述

    请注意: 有读者反馈该方法经已失效.对此有网友给出方案(见评论区):
    hgfdsa:教育网测试可以安装。换网络运营商吧!Successfully installed torch-1.4.0+cu100 torchvision-0.5.0+cu100

    官网给的是Pytorch 1.2.0 + cuda10.0 安装.
    而一般如果是cuda10.0直接安装pytorch会显示cuda unavailable。

    解决

     pip install torch==1.4.0+cu100 torchvision==0.5.0+cu100 -f https://download.pytorch.org/whl/torch_stable.html
    

    反馈

    有的朋友反馈不管用:
    这是我在2021年1月6日进行测试安装的截图。
    在这里插入图片描述

    展开全文
  • 最开始安装cuda10.0对应的pytorch时候,命令如下: conda install pytorch torchvision torchaudio cudatoolkit=10.0 正确命令: conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 可以看到不仅...

    没加版本号命令

    最开始安装cuda10.0对应的pytorch时候,命令如下:

    conda install pytorch torchvision torchaudio cudatoolkit=10.0
    

    正确命令:

    conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0
    

    可以看到不仅没加版本号,还多了torchaudio(可能当时下了很多cuda版本对应的pytorch,偷懒直接=10.0了)
    在这里插入图片描述
    默认下载了pytorch1.4.0和torchvision0.5.0,跟官方给的适配版本完全不一致,跟我想象的会智能的给我下载对应版本完全不行,所以还是根据官方命令下载吧。

    conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0
    

    在这里插入图片描述
    尽量采用官方给的匹配的版本,否则可能会出现其他各种奇怪的问题。

    参考帖

    【ubuntu痴呆】torch.cuda.is_available()结果为false

    展开全文
  • 我安装的是CUDA10.0 https://developer.nvidia.com/cuda-10.0-download-archive 下载完毕后按照步骤完成安装即可。 打开cmd,输入 nvcc -V,如果出现 nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) ...

    1. 安装CUDA

    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2018 NVIDIA Corporation
    Built on Sat_Aug_25_21:08:04_Central_Daylight_Time_2018
    Cuda compilation tools, release 10.0, V10.0.130
    

    则表示安装成功。

    2. 配置CUDA环境变量

    在这里插入图片描述

    3*. 配置VS2015(VS应当是在CUDA之前安装好的。如果只是用Python这一步暂时不需要)

    • 配置VS
      打开Visual Studio,选择项目–属性
      在这里插入图片描述选择VC++目录–包含目录
      添加如下
      在这里插入图片描述
      链接器–输入添加
    cublas.lib
    cuda.lib
    cudadevrt.lib
    cudart.lib
    cudart_static.lib
    nvcuvid.lib
    OpenCL.lib
    
    • 运行CUDA samples
      找到如下路径
    C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
    

    随便运行该文件夹下任一子文件夹的任意工程,如果成功运行则说明VS+CUDA配置成功
    例如,运行3_Imaging–boxFilter
    可以看到图像
    在这里插入图片描述

    4. 安装cuDNN

    • 下载
      在官网https://developer.nvidia.com/rdp/cudnn-archive选择与CUDA版本相匹配的cuDNN,在这里选:在这里插入图片描述这里需要注册一下,不过需要注册,界面比较卡,我稍后把文件分享到网盘。我选的是cuDNN v7.6.0 for CUDA 10.0。
    • 拷贝文件
      下载好之后解压,将cuDNN下的
    <cuDNN安装路径>\cuda\bin\cudnn64_7.dll
    <cuDNN安装路径>\cuda\include\cudnn.h
    <cuDNN安装路径>\cuda\lib\x64\cudnn.lib
    

    分别拷贝到CUDA的安装路径下:

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
    

    5. 验证CUDA和cuDNN是否配置成功

    • 检验基本信息
      验证CUDA是否安装成功,打开cmd
    nvcc -V
    

    得到输出

    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2018 NVIDIA Corporation
    Built on Sat_Aug_25_21:08:04_Central_Daylight_Time_2018
    Cuda compilation tools, release 10.0, V10.0.130
    
    • 其他检验
      cd到安装目录下的extras\demo_suite
    cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
    

    执行

    bandWidthTest.exe
    

    输出如下

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite>bandWidthTest.exe
    [CUDA Bandwidth Test] - Starting...
    Running on...
    
     Device 0: GeForce RTX 2060
     Quick Mode
    
     Host to Device Bandwidth, 1 Device(s)
     PINNED Memory Transfers
       Transfer Size (Bytes)        Bandwidth(MB/s)
       33554432                     12522.0
    
     Device to Host Bandwidth, 1 Device(s)
     PINNED Memory Transfers
       Transfer Size (Bytes)        Bandwidth(MB/s)
       33554432                     12691.0
    
     Device to Device Bandwidth, 1 Device(s)
     PINNED Memory Transfers
       Transfer Size (Bytes)        Bandwidth(MB/s)
       33554432                     270038.6
    
    Result = PASS
    
    NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.
    

    执行

    deviceQuery.exe
    

    输出如下

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite>deviceQuery.exe
    deviceQuery.exe Starting...
    
     CUDA Device Query (Runtime API) version (CUDART static linking)
    
    Detected 1 CUDA Capable device(s)
    
    Device 0: "GeForce RTX 2060"
      CUDA Driver Version / Runtime Version          10.0 / 10.0
      CUDA Capability Major/Minor version number:    7.5
      Total amount of global memory:                 6144 MBytes (6442450944 bytes)
      (30) Multiprocessors, ( 64) CUDA Cores/MP:     1920 CUDA Cores
      GPU Max Clock rate:                            1200 MHz (1.20 GHz)
      Memory Clock rate:                             7001 Mhz
      Memory Bus Width:                              192-bit
      L2 Cache Size:                                 3145728 bytes
      Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
      Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
      Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
      Total amount of constant memory:               65536 bytes
      Total amount of shared memory per block:       49152 bytes
      Total number of registers available per block: 65536
      Warp size:                                     32
      Maximum number of threads per multiprocessor:  1024
      Maximum number of threads per block:           1024
      Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
      Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
      Maximum memory pitch:                          2147483647 bytes
      Texture alignment:                             512 bytes
      Concurrent copy and kernel execution:          Yes with 3 copy engine(s)
      Run time limit on kernels:                     Yes
      Integrated GPU sharing Host Memory:            No
      Support host page-locked memory mapping:       Yes
      Alignment requirement for Surfaces:            Yes
      Device has ECC support:                        Disabled
      CUDA Device Driver Mode (TCC or WDDM):         WDDM (Windows Display Driver Model)
      Device supports Unified Addressing (UVA):      Yes
      Device supports Compute Preemption:            No
      Supports Cooperative Kernel Launch:            No
      Supports MultiDevice Co-op Kernel Launch:      No
      Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
      Compute Mode:
         < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
    
    deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.0, CUDA Runtime Version = 10.0, NumDevs = 1, Device0 = GeForce RTX 2060
    Result = PASS
    

    都返回Result = PASS,说明安装成功。

    参考链接:
    https://blog.csdn.net/qilixuening/article/details/77503631

    我的相关文章

    RTX2060 —— Anaconda + CUDA 10.0 +Cudnn 7.3 + Tensorflow-GPU + Keras 安装(一)Anaconda3
    RTX2060 —— Anaconda + CUDA 10.0 +Cudnn 7.3 + Tensorflow-GPU + Keras 安装(二)CUDA10.0 & cuDNN 7.3
    RTX2060 —— Anaconda + CUDA 10.0 +Cudnn 7.3 + Tensorflow-GPU + Keras 安装(三)Tensorflow + Keras
    RTX2060 —— Anaconda+CUDA+Cudnn+Pytorch安装(四)Pytorch安装

    展开全文
  • 现在官网提供Tensorflow_gpu、Pytorch都只支持CUDA 10.0,但NVIDIA官网不再更新10.0,很多新的显卡或系统无法安装CUDA10.0。 怎么办?其实可以很方便的使得10.1向下兼容10.0,下载附件的批处理文件并运行,就可以了...
  • 现在官网提供Tensorflow_gpu、Pytorch都只支持CUDA 10.0,但NVIDIA官网不再更新10.0,很多新的显卡或系统无法安装CUDA10.0。 怎么办?其实可以很方便的使得10.1向下兼容10.0,下载附件的批处理文件并运行,就可以了...
  • win10安装cuda10.0以及VS2013下的CUDA编程测试安装CUDA 10.0安装cuDNN v7.6.0 for CUDA 10.0VS2013下CUDA编程测试新建一个空的Win32 控制台应用程序:生成依赖的配置配置管理器,添加x64:工程配置新建CUDA C/C++文件...

    安装CUDA 10.0

    下载cuda10.0 for windows10, 下载完成之后,得到cuda_10.0.130_411.31_win10.exe文件,执行安装,默认安装目录,选择精简版。
    安装完成后,查看系统变量,会发现安装程序已经添加了如下两条系统变量:
    在这里插入图片描述
    然后我们需要进行系统变量的配置:
    1.添加5个系统变量

    (1)CUDA_BIN_PATH
    %CUDA_PATH%\bin
    
    (2)CUDA_LIB_PATH
    %CUDA_PATH%\lib\x64
    
    (3)CUDA_SDK_PATH
    C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
    
    (4)CUDA_SDK_BIN_PATH
    %CUDA_SDK_PATH%\bin\win64
    
    (5)CUDA_SDK_LIB_PATH
    %CUDA_SDK_PATH%\common\lib\x64
    

    2.系统变量path中添加四个变量值

    %CUDA_LIB_PATH%
    %CUDA_BIN_PATH%
    %CUDA_SDK_BIN_PATH%
    %CUDA_SDK_LIB_PATH%
    
    

    测试是否安装成功,在控制台输入nvcc -V,若能够看到cuda信息,说明安装正确

    安装cuDNN v7.6.0 for CUDA 10.0

    cuDNN是用于深度神经网络的GPU加速库,如果不进行深度学习的编程,此步非必须
    下载cuDNN v7.6.0,没有账号需要先注册
    cuDNN是插入式设计的,因此安装很简单:
    把下载后的压缩文件解压缩,分别将cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0对应的include、lib、bin目录下即可完成安装。

    VS2013下CUDA编程测试

    打开VS2013,当上面的CUDA安装好之后,在VS2013中将会出现NSIGHT选项卡
    在这里插入图片描述

    新建一个空的Win32 控制台应用程序:


    点击下一步:
    在这里插入图片描述
    勾选空项目,点击完成:
    在这里插入图片描述

    生成依赖的配置

    右击工程名->生成依赖项->生成自定义:
    在这里插入图片描述
    勾选CUDA生成,点击确定:
    在这里插入图片描述

    配置管理器,添加x64:

    在这里插入图片描述
    在这里插入图片描述

    工程配置

    右键项目 -> 属性 -> 配置属性 -> VC++目录,添加:

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
    C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\inc
    

    库目录添加:

    C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
    

    右键项目 -> 属性 -> 配置属性 ->链接器 -> 输入 -> 附加依赖项,添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64下的28(27+1cudnn)个库文件的名称:

    cublas.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
    
    #如果没有安装cuDNN,这个库不要包含进来
    cudnn.lib
    
    新建CUDA C/C++文件添加代码进行测试

    右击源文件->添加->新建项:
    在这里插入图片描述
    选择 CUDA C/C++ File , 输入名称,点击添加:
    在这里插入图片描述
    添加如下代码进行CUDA测试:

    #include "cuda_runtime.h"
    #include "device_launch_parameters.h"
    
    //打印GPU设备信息
    void print_GPU_device_info()
    {
    	int deviceCount;
    	cudaGetDeviceCount(&deviceCount);
    	for (int i = 0; i<deviceCount; i++)
    	{
    		cudaDeviceProp devProp;
    		cudaGetDeviceProperties(&devProp, i);
    		std::cout << "使用GPU device " << i << ": " << devProp.name << std::endl;
    		std::cout << "设备全局内存总量: " << devProp.totalGlobalMem / 1024 / 1024 << "MB" << std::endl;
    		std::cout << "SM的数量:" << devProp.multiProcessorCount << std::endl;
    		std::cout << "每个SM的最大线程数:" << devProp.maxThreadsPerMultiProcessor << std::endl;
    		std::cout << "每个SM的最大线程束数:" << devProp.maxThreadsPerMultiProcessor / 32 << std::endl;
    		std::cout << "每个Block的共享内存大小:" << devProp.sharedMemPerBlock / 1024.0 << " KB" << std::endl;
    		std::cout << "每个Block的最大线程数:" << devProp.maxThreadsPerBlock << std::endl;
    		std::cout << "每个Block中可用的32位寄存器数量: " << devProp.regsPerBlock << std::endl;
    		std::cout << "======================================================" << std::endl;
    
    	}
    }
    
    
    int main()
    {
    	print_GPU_device_info();
    
    	while (1);
    	return 0;
    }
    

    出现正常打印GPU信息,表明一切顺利,可以高兴的进行CUDA编程开发了。
    在这里插入图片描述

    展开全文
  • cuda10.0&cudnn7.6.5

    2021-04-12 16:41:12
    刚在window10 64位系统配置了cuda10.0、cudnn7.6.5、tensorflow-gpu1.14。配置步骤见博文:https://blog.csdn.net/qq_40549606/article/details/115618125
  • win10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 唉,装了CUDA10.1发现是真坑呀,装不上pytorch,没办法,还要卸载CUDA10.1再装CUDA10.0 卸载CUDA10.1 其实官网是有CUDA的...
  • Ubuntu16.04下卸载CUDA 10.1 安装 CUDA 10.0

    万次阅读 2019-08-16 19:28:51
    本来想安装CUDA 10.0版本,按照官网上的步骤 https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_versio...
  • cudnn-cuda10.0-win10.zip

    2021-01-30 16:17:52
    对应于cuda10.0,tensorflow-gpu2.0版本
  • 主要介绍了Ubuntu下安装CUDA10.0以及问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • CUDA10.0 安装问题 解决

    千次阅读 2019-11-20 10:41:01
    CUDA10.0 安装问题 解决 有的时候只是没按照顺序安装罢了,折腾了一天 我也不知道为什么先安装完了tensorflow-gpu==1.13.1后CUDA10.0安装就特别顺利! 步骤 内容 1 前期准备 2 下载安装文件 3 前期...
  • windows卸载cuda9.0安装cuda10.0

    千次阅读 2020-09-14 17:52:59
    使用paddle框架,更新了ppyolo,升级了paddle版本之前装的cuda9.0不适配了,卸载了安装cuda10.0,记录一下 卸载 进入卸载的面板: 参考了下同学没装cuda的电脑: ok,删除多余的项目即可。 其实还可以看看安装...
  • Ubuntu卸载cuda10.0

    万次阅读 2019-07-19 23:22:48
    Ubuntu 当初同时按照了 cuda9.0和 cuda10.0,但因为是安装的是双系统windows10 +Ubuntu16.04,在C盘分割了 40G个给Ubuntu,安装2个cuda太过占存储空间,/dev/sda6 use%已经到90%多,需要删除一个多余的cuda10.0. ...
  • CUDA 10.0 deviceQuery

    2021-05-27 20:29:06
    CUDA 10.0 deviceQuery ​ 18.04@Ubuntu:~/NVIDIA_CUDA-10.0_Samples/1_Utilities/deviceQuery$ make "/usr/local/cuda-10.0"/bin/nvcc -ccbin g++ -I../../common/inc -m64 -gencode arch=compute_30,code=sm_30 ...
  • cuda10.0安装Apex

    2020-11-18 15:27:49
    cuda10.0安装Apex安装apex使用 安装 合精度训练加速神器–Apex 从https://download.pytorch.org/whl/cu100/torch_stable.html下载cuda10.0的pytorch 安装pytorch,然后进入python3命令行输入:import torch torch....
  • win10下RTX 2080ti安装cuda10.0和cudnn7.6.5

    万次阅读 2020-12-01 11:36:20
    2 安装cuda10.0 在cuda历史版本列表中下载cuda10.0 cuda10.0下载链接 下载完成后安装cuda,采用默认安装即可。 3 下载并配置cudnn cudnn并不是一个安装程序,而是一个C++运行库,包含头文件、lib文件、dll文件。...
  • ubuntu18.04卸载cuda10.1 安装cuda10.0

    千次阅读 2019-09-12 17:31:54
    1、cuda10.1卸载参考,cuda10.0安装参考:(deb安装) https://blog.csdn.net/weixin_44100850/article/details/99684058 2、cuda的patch包安装参考: https://blog.csdn.net/wilsonair/article/details/90205973...
  • 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境:Ubuntu16.04,GeForce GTX 1080 配置信息: hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --...
  • cudnn-10.0-windows10-x64-v7.6.5.32 CUDA10.0,Win10,cudnn7.6.5环境搭建
  • 我的显卡是1660Ti,cuda10.0,tensorflow1.14,python3.7.5,win10笔记本常用的比较稳定的配置。
  • ubuntu18.04安装CUDA10.0与cuDNN7.6.5-附件资源
  • Win10系统安装CUDA10.0和cuDNN-附件资源
  • cuda10.0环境安装Pytorch

    2020-08-08 13:16:17
    前置环境需要安装cuda10.0和对应的cudnn 不在赘述,如需查看请参考这两篇博客(面向小白的,十分详细): 手把手教你win10安装Paddlepaddle-GPU(一) 手把手教你win10安装Paddlepaddle-GPU(二) 尴尬的是,官网好像比较...
  • opencv4.1.0+cuda10.0安装

    2020-07-09 09:44:44
    (For CUDA 10.0 only) CUDA 9.x should have no problem. Video decoder is deprecated in CUDA 10.0. To handle this, downloadNVIDIA VIDEO CODEC SDKand copy the header files to your cuda path (/usr/local/...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 13,378
精华内容 5,351
关键字:

cuda10.0