1. 前言 最近一个项目采用Autoware的无人驾驶系统,在安装工控机的过程中,踩了不少坑,留下记录,造福后人. 相关的下载在我的百度网盘,大家自行下载.链接: https://pan.baidu.com/s/1UFa11d43lqPLuHltG_Sd9A 提取码: rjsc 网盘中的英伟达驱动是linux-64bit的驱动,适合于gtx10系列及以下的英伟达显卡,由于autoware现阶段不支持CUDA10,所以不建议RTX20系列显卡安装. 2. 安装英伟达驱动 去网盘下载:NVIDIA-

caffe是一个简洁高效的深度学习框架,具体介绍可以看这里,caffe环境配置过程可以参考这里,我在搭建环境时搜集了许多资料,这里整理了一下,介绍一下caffe在无CUDA的环境下如何配置. 1. 安装build-essentials 安装开发所需要的一些基本包 sudo apt-get install build-essential 如果出现essential包不可用的情况,可以执行下列命令解决: sudo apt-get update 2. 安装ATLAS for Ubuntu 执行命令:

/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

centos7 最小化安装 无 ifconfig,netstat 的安装 centos7 最小化安装之后,默认是没有 ifconfig,netstat命令的: 我们可以直接使用 yum -y install net-tools 即可: 1. 先来看下 net-tools的信息 yum info net-tools 可安装的软件包 名称 :net-tools 架构 :x86_64 版本 :2.0 发布 :0.17.20131004git.el7 大小 :304 k 源 :base/7/x86_64

原创作品,转载请注明来源:http://www.cnblogs.com/shrimp-can/p/5253672.html 1.查看工具 默认目录为:local,进入local:cd /usr/local 输入命令:ls,查看该目录下的文件,可以看到安装的cuda在此处 进入cuda文件:cd cuda-7.5(我的是7.5),此处为安装的东西 查找安装的工具,在bin目录下,进入cuda文件所在目录,然后进入bin目录:cd bin 输入命令:ls,就可以看到cuda toolkit自带的工具

本文转载自:https://blog.csdn.net/u010801439/article/details/80483036 ubuntu 18.04 安装GPU +CUDA+cuDNN : 目前,大多情况下,能搜到的基本上都ubuntu 14.04.或者是ubuntu 16.04的操作系统安装以及GPU 环境搭建过程,博主就目前自身实验室环境进行分析,总结一下安装过程. 1.实验室硬件配置(就需要而言): gpu : GeForce titan xp   12G 显存 内存: 64G 硬盘

由于学习需要用到GPU加速机器学习算法,需要安装theano+cuda. 开源库的一大问题就是:难安装. 为了搞好这个配置,我是前前后后花了3天,重装了3次ubuntu重装了5次驱动才搞定. 故发此贴,给出最简单安装方法(如果我还记得的话). 因为ubuntu下各种软件依赖关系太多,最好全新ubuntu安装theano和cuda,然后在更新 最好是这么做,再多一步都可能搞错……………… 一.安装ubuntu window下安装theano和其他的依赖库相当复杂,甚至需要用到edu的邮箱. 果断抛

git-for-windows.ico 安装无图标的问题 一. 问题表现: 桌面图标与右建菜单图标,所是未知文件的图标, 二. 问题解决: 在shard/git/ copy 一个ico 文件(如git-gui.ico)放到  Git\mingw64\share\git 目录下,并改名为 git-for-windows.ico 三.问题原因 我怀疑是git 的windows安装包缺少相应的图标文件.

                                             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

anaconda+pytorch安装(无GPU版本) 待办 https://blog.csdn.net/nnUyi/article/details/78471326

安装Caffe指导书 环境: Linux 64位 显卡为Intel + AMD,非英伟达显卡 无GPU 一. 安装准备工作 1. 以管理员身份登录 在左上角点击图标,搜索terminal(即终端),以super 管理员身份登录: 命令:sudo su 输入password即可 2. 安装Boost 命令:sudo apt-get install libboost-all-dev 3. 安装BLAS(Intel MKL) (1)  下载 Intel MKL库,解压后安装 下载地址: https:/

昨天在mac上折腾了一天都没有安装成功,晚上在mac上装了一个ParallelDesktop虚拟机,然后装了linux,十分钟就安装好了,我也是醉了＝.＝ 主要过程稍微记录一下: 1.安装BLAS sudo apt-get install libatlas-base-dev 2.安装依赖项 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5

python有多混乱我就不多说了.这个混论不仅是指整个python市场混乱,更混乱的还有python的各种附加依赖包.为了一劳永逸解决python的各种依赖包对深度学习造成的影响,本文中采用python的发行版Anaconda. Step1 安装Anaconda 这里不建议使用python3.4以后的Anaconda版本,因为太新的版本(python3.5)不支持python/matlab混合编程.所以为了以后方便,建议使用python2.7的Anaconda版本.Anaconda安装完成后,n

软件包准备 1.Anaconda 下载地址,包含python.numpy.scipy.nose.pip等包,嗯,很爽. 2.tdm64-gcc 下载地址,windows下的gcc.g++编译器,用来theano性能优化的,不然速度会很慢(官方文档如是说) 3.theano源码 下载地址,github上的实时更新的thenao源码,可以下载zip包,或者clone. 一.安装 Anaconda.tdm64-gcc一路下一步安装即可,没有什么特殊需要注意的. 下载theano源码后进入其根目录例如:

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

本文写的比较简单,期间遇到的一些小麻烦,自己不认为成为阻碍,所以没有详细写. 如有疑问可以联系QQ:2922530320 Pycharm Pycharm使用Anaconda Pycharm 在新建项目的时候可以指定Conda环境,前提是已经安装了Conda. 如果创建项目的时候没有指定conda环境: Setting => Project => Project Interpreter 里面修改 Project Interpreter , 点击齿轮标志再点击Add Local为你某个环境的pyt

不多说了,经历了很多莫名其妙的错误最后终于安装好了,直接放安装脚本: #!/bin/bash #安装时要注意有些库可能安装失败以及安装caffe有和protobuf相关错误时可能需要重新对protobuf进行make install cd /home/zw/softwares #需要事先下载对应版本的cuda --local-ga2_8.0.61-1_amd64.deb sudo apt-get update sudo apt-get install cuda cd /home/zw/git_h

软件 版本 Window10 X64 python 3.6.4(64位) CUDA CUDA Toolkit 9.0 (Sept 2017) CuDNN cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 以上版本测试通过. 安装步骤: 1.安装python,记得要勾选pip. 2.检测是否支持CUDA. NVIDIA官网查询,具体见:https://developer.nvidia.com/cuda-gpus,就可以知道是否可以使用带GPU支持的TensorFlo

1.无法连接到网络 2.点击安装和更新无响 这两种情况造成的原因都是由于被墙的原因,第一种情况有部分可以通过fq解决,第二种情况是我遇到过的 反正我全局也失败 这里给出一个我自己用过的解决方案 查看控制台日志,中间有这么一段: [2017-08-30 08:02:22.972] [Info] Downloading from 'https://www.xamarin.com/installer_assets/v3/409bb0941397899e59046bb54cba2bfd5cd9fd76/

1. 安装BLAS : $ sudo apt-get install libatlas-base-dev 2. 安装依赖项: $ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5-serial-dev protobuf-compiler liblmdb-dev 3. 安装其他依赖项: $ sudo apt-get install libg