解决无法定位软件包  或  install net-tools  当我们安装好Linux后,因为里面有很多功能服务没有安装(如ifconfig.vsftpd) 所以出现一些command  '***** ' not found,but can be installed with错误 我们就会需要安装来使用,系统需要更新或者升级. ~$ ifconfig Linux系统需要更新,用以下命令: sudo apt-get update 或者Linux系统软件需要升级,用以下命令:sudo apt-ge

为了学习深度学习,这几天在安装深度学习框架,cuda安装时却出现无法定位软件包的问题.cuda官网下载时提供了deb和run格式,今天只讲deb格式的安装包安装过程的问题. 按照官方教程,下载好cuda deb包后,分别用 sudo dpkg -i XXX.deb sudo apt update sudo apt install cuda 运行即可,一开始没太懂,安装了cuda9.1,发现版本太高,于是又重新下载cuda8.0,可是按上面步骤安装时还是给我安装的是9.0版,其实在sudo apt

/var/lib/docker/overlay2 占用很大,清理Docker占用的磁盘空间,迁移 /var/lib/docker 目录 du -hs /var/lib/docker/ 命令查看磁盘使用情况. 1 docker system df命令,类似于Linux上的df命令,用于查看Docker的磁盘使用情况: 2 docker system prune命令可以用于清理磁盘,删除关闭的容器.无用的数据卷和网络,以及dangling镜像(即无tag的镜像) 3 docker system pr

主要是更新源的问题,我安装ibus-pinyin老是提示"无法定位软件包" 最后我用的是163的源: # 源 deb http://mirrors.163.com/debian wheezy main non-free contrib deb-src http://mirrors.163.com/debian wheezy main non-free contrib deb http://mirrors.163.com/debian wheezy-proposed-updates ma

异常处理汇总-服 务 器 http://www.cnblogs.com/dunitian/p/4522983.html 以前遇到过,后来好久没碰Linux了,忘记了.之后上网搜了一下....呃,发现解决方案是我自己写的...于是蛋疼了一下,好吧记录一下吧 场景还原:http://www.cnblogs.com/dunitian/p/4712323.html 安装软件的时候出现“无法定位软件包” 安装以往惯例,肯定是源出错了,但是我源没问题==>后来发现得先更新一下才ok 源修改:http://w

gmpy2需要gmp.h &mpfr.h &mpc.h 安装命令: sudo apt-get install libmpfr-dev libmpc-dev  成功之后再输入安装命令: pip install gmpy2 若遇到无法定位软件包: 则输入命令:sudo gedit /etc/apt/sources.list 弹出文件,在文件末尾添加: deb http://mirrors.ustc.edu.cn/kali kali-rolling main non-free contrib 若

基于NVidia开源的nvidia/cuda image,构建适用于DeepLearning的基础image. 思路就是先把常用的东西都塞进去,再装某个框架就省事儿了. 为了体验重装系统的乐趣,所以采用慢慢来比较快的步骤,而不是通过Dockerfile来build. 环境信息 已经安装了Docker CE和nvidia-docker2 Host OS: Ubuntu 18.04 64 bit CUDA: 10.0 cuDNN: 7.4 Docker CE: 18.09.1 nvidia-dock

序 最近需要在Linux下进行一个OpenCL开发的项目,现将开发环境的配置过程记录如下,方便查阅. 完整的环境配置需要以下几个部分: 安装一个OpenCL实现,基于硬件,选择NVIDIA CUDA SDK (英伟达的显卡OpenCL是被包含在CUDA SDK内的): 安装Cmake项目生成工具(这个是可选的,我用它进行源码到项目的逆变换): 集成开发环境,选择Eclipse CDT 安装OpenCL实现 根据硬件显卡类型以及安装的Linux系统类型,在NVIDIA下载相应的安装包: 我选择的是

之前的[笔记] 基于nvidia/cuda的深度学习基础镜像构建流程已经Out了,以这篇为准. 基于NVidia官方的nvidia/cuda image,构建适用于Deep Learning的基础image. 思路就是先把常用的东西都塞进去,build成image,此后使用时想装哪个框架就装. 为了体验重装系统的乐趣,所以采用慢慢来比较快的步骤,而不是通过Dockerfile来build. 环境信息 已经安装了Docker CE和NVIDIA Container Toolkit,具体流程参考这里

环境:ubuntu 12.04 (x64) 如果不能够 service lightdm stop,显示:unknown service 或者其他的 sudo /etc/init.d/lightdm restart cuda 6.0 1)Verify You Have a CUDA-Capable GPU To verify that your GPU is CUDA-capable, go to your distribution’s equivalent of SystemProperties

前言 博主想使用caffe框架进行深度学习相关网络的训练和测试,刚开始做,特此记录学习过程. 环境配置方面,博主以为最容易卡壳的是GPU的NVIDIA驱动的安装和CUDA的安装,前者尝试的都要吐了,可以参见here.关于CUDA的安装,主要需要检查各个相关方面是否满足版本的匹配,最重要的是NVIDIA驱动版本.linux内核版本和CUDA版本是否匹配,具体的要求可以参见nvidia的官网. 一定要先安装NVIDIA的驱动,否则会出错,使用多种方法都没有安装成功,最后重装系统,使用最笨的更新系统软

Y7000P电脑环境i7处理器,1060显卡,16g内存,win10家庭版(系统版本号1809),在联想官网升级过bios,所有驱动都是最新.(截止时间点2019年3月1日) python3.5 安装GeForce Experience到官网下载https://www.nvidia.com/zh-cn/geforce/geforce-experience/,experience检测显卡驱动,发现最新版本419.17,点击安装,一定要注意,选择自定义安装,然后有个纯净安装的勾选框.安装完成后需要重

http://developer.download.nvidia.com/compute/cuda/4_1/rel/toolkit/docs/online/index.html 英伟达CUDA库说明文档. 在线查找便捷入口!

主要参考这篇文章Ubuntu16.04(GTX1660ti)cuda10.0和cudnn7.6环境配置 (环境乃一生之敌!!!). 容易错的点: 安装NVIDIA驱动的时候选择run版本,不要选择deb版本.同时,只用了-no-opengl-files就可以了 安装CUDA也选择run版本. 如果出错了,无法进入Ubuntu的图形界面,那么在启动的时候选择advance options for ubuntu,然后选择recovey模式,然后进入root Drop to root shell pr

在etc/apt   的sources.list 添加镜像源 debhttp://http.kali.org/kali kali-rolling main non-free contrib 或 deb http://mirrors.ustc.edu.cn/kali kali-rolling main non-free contrib 然后 sudo apt-get update/sudo apt update && sudo apt upgrade 接着安装就可以了.注意要连网.   de

问题现象 root@zhouls-virtual-machine:~/snort_src# apt-get install bison flex 正在读取软件包列表... 完成 正在分析软件包的依赖关系树 正在读取状态信息... 完成 现在没有可用的软件包 flex,但是它被其它的软件包引用了. 这可能意味着这个缺失的软件包可能已被废弃, 或者只能在其他发布源中找到 现在没有可用的软件包 bison,但是它被其它的软件包引用了. 这可能意味着这个缺失的软件包可能已被废弃, 或者只能在其他发布源中

https://blog.csdn.net/qq_33200967/article/details/80689543 https://blog.csdn.net/sinat_29963957/article/details/83108324 https://www.linuxidc.com/Linux/2017-10/147618.htm cuda 版本 cat /usr/local/cuda/version.txt cudnn 版本 cat /usr/local/cuda/include/cu

sudo cp /etc/apt/sources.list /etc/apt/sources.list-bak #先将之前的source-list备份 sudo vi /etc/apt/sources.list 编辑镜像文件时候,要在root模式下. 加入以下镜像(中科大的镜像) deb https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiversedeb-src https://mirrors.ust

[解决] 执行 apt-get update 然后再进行安装,即可. (完)

解决办法: 在etc/apt/sources.list最后一行添加 deb http://archive.ubuntu.com/ubuntu/ trusty main universe restricted multiverse 只有sudo apt update即可解决问题