电脑环境 ubuntu 18.40 gpu  rtx2080ti 一.安装显卡驱动 刚开始尝试用手动安装方式安装驱动 下载了驱动程序但是因为没有gcc所以放弃这种方法 后尝试最简单的方式 在 菜单--软件和更新中--附加驱动 中会自动显示需要的驱动程序 但是遗憾的是我的这里显示的是 没有可安装的驱动 所以继续尝试其他方法 使用apt get 命令安装 如下 https://blog.csdn.net/breeze5428/article/details/80013753 在这之前需要禁用 nou

0.下载display driver.cuda和cudnn RTX2080 Display Driver cuda cudnn 1. 禁止系统默认的显卡驱动 打开系统黑名单 sudo gedit /etc/modprobe.d/blacklist.conf将下列代码填入文件末尾 # for nvidia display driver installblacklist vga16fbblacklist nouveaublacklist rivafbblacklist rivatvblacklist

这是我第一个人工智能实验.虽然原理不是很懂,但是觉得深度学习真的很有趣.教程如下. Table of Contents 配置 时间轴 前期准备工作 anaconda3 安装 bug 1:conda:未找到命令,终端输入 Nvidia DRIVER390.77 卸载原驱动 安装显卡驱动 查看GPU版本 显卡分辨率问题 CUDA 9.0 卸载 下载CUDA 9.0 安装CUDA 9.0 查看cuda信息 ​测试CUDA的Samples 查看CUDA版本 cudnn 7.0.4 卸载 Debian 下

http://geyao1995.com/CUDA8_CUDA9/ tensorflow1.5版本竟然不支持CUDA8.0了 卸载是不可能卸载的 1.原料准备 CUDA9.0下载:https://developer.nvidia.com/cuda-90-download-archive 建议选择使用 .run 文件安装,因为使用 .deb可能会将已经安装的较新的显卡驱动替换. cuDNN7.0下载(需要注册账号,注意选择对应CUDA9.0的版本):https://developer.nvidia

Ubuntu16.04+cuda9.0+matlab+opencv3.3+caffe服务器配置(附遇到的错误和解决方法) 1.具体安装前需要的依赖包: ubuntu dependency: sudo apt-get install --assume-yes libopencv-dev build-essential cmake git libgtk2.0-dev pkg-config python-dev python-numpy libdc1394-22 libdc1394-22-dev li

Ubuntu16.04安装cuda9.0+cudnn7.0 这篇记录拖了好久,估计是去年6月份就已经安装过几遍,然后一方面因为俺比较懒,一方面后面没有经常在自己电脑上跑算法,比较少装cuda和cudnn.但是最近课余时间还行,索性一起整理出来,方便以后查看. 检查自己的计算机是否具备CUDA安装条件 检查GPU是否支持CUDA lspci | grep -i nvidia 显示出NVIDIA GPU版本信息 去CUDA的官网查看自己的GPU版本是否在CUDA的支持列表中(https://deve

一.硬件环境 ubuntu 16.04LTS + windows10 双系统 NVIDIA TiTan XP 显卡(12G) 二.软件环境 搜狗输入法 下载地址 显卡驱动:LINUX X64 (AMD64/EM64T) DISPLAY DRIVER (418.56)  下载地址 CUDA:Cuda9.0  下载地址 CUDNN:cuDNN v7.5.0 (Feb 21, 2019), for CUDA 9.0 (cuDNN Library for Linux)  下载地址 Anaconda:An

1.close nouveau 终端输入:sudo gedit /etc/modprobe.d/blacklist.conf 末尾加两行 blacklist nouveau options nouveau modeset=0 然后保存 之后运行这行命令 sudo update-initramfs -u 重启,然后运行: lsmod | grep nouveau 结果应该不会显示任何东西 2.Install NVIDIA Driver 查看显卡型号和推荐的显卡驱动(显卡驱动的版本直接就决定了cud

本来就对Linux不熟悉,经过几天惨痛的教训,参考了不知道多少篇文章,终于把环境装好了,每篇文章或多或少都有一些用,但没有一篇完整的能解决我安装过程碰到的问题,所以决定还是自己写一篇我安装过程的教程,有些参考的文章会给出原地址,比较大众的教程就没有给出了. 本文写于2018年7月27日,注意下时效性,有问题欢迎留言 1. 安装Ubuntu16.04 系统下载地址: http://releases.ubuntu.com/16.04/ 下载64位系统:ubuntu-16.04.4-desktop-a

在安装tensorflow-gpu时,也看过不少的博客,讲得乱七八糟的,也不能这样说,只是每个人安装的环境或需求不一样,因此没有找到一个适合自己的教程去安装tensorflow-gpu版本.当然,入手一台新电脑立马是安装配置这些环境,在次期间也遇到过不少的坑.话不多说,对此总结了以下几个步骤,直到成功! 1.首先查看tensorflow-gpu所对应的python版本.CUDA.cuDNN版本,这个非常重要,直接决定,最后是否安装成功. 注:链接查看地址https://tensorflow.go

注:下面的的驱动版本不要安装最新(默认)的版本,因为会遇到各种问题,将会浪费你的大量时间.(当然大神无视) 环境 系统:Ubuntu 18.04 LTS 显卡:GTX1080Ti CUDA:9.0 cuDNN:7.0 TensorFlow:teansorflow-gpu 1.9 Python版本:3.6 一.安装NVIDIA显卡驱动 1.删除旧的驱动. 原来Linux默认安装的显卡驱动不是英伟达的驱动,所以先把旧得驱动删除掉. sudo apt-get purge nvidia* 2.禁止自带的

Tesla V100 cuda9.0 caffe编译的时候报上述错误,修改方法: CUDA_ARCH := #-gencode arch=compute_20,code=sm_20 \ #-gencode arch=compute_20,code=sm_21 \ -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gen

我的安装版本: win10 x64 VS2015 conda python 3.7 显卡 GTX 940mx Cuda 9.0 cudnn v7.3.1 Tensorflow-gpu 1.13.1 1.安装Anaconda 自动安装python3.7 2.安装VS2015 tensorflow其实是基于VC++2015开发的,所以需要安装vs2015 下载地址   https://pan.baidu.com/s/1F7g4sn5qj82RI0syjznFMQ 密码:fe9f 3. 安装显卡驱动

1.下载安装cuda9.0 https://developer.nvidia.com/cuda-90-download-archive 2.下载cudnn7.0.5,下载cuda9.0的对应版本 https://developer.nvidia.com/rdp/cudnn-download 操作: 1.将cudnn文件夹下的文件拷贝到cuda9.0对应的文件夹下 2.打开cmd,用命令nvcc -V检验cuda是否安装成功,成功界面如下: 说明:之前用的是cudnn7.1.2,一直出各种问题,最

本来就对Linux不熟悉,经过几天惨痛的教训,参考了不知道多少篇文章,终于把环境装好了,每篇文章或多或少都有一些用,但没有一篇完整的能解决我安装过程碰到的问题,所以决定还是自己写一篇我安装过程的教程,有些参考的文章会给出原地址,比较大众的教程就没有给出了. 本文写于2018年7月27日,注意下时效性,有问题欢迎留言 1. 安装Ubuntu16.04 系统下载地址: http://releases.ubuntu.com/16.04/ 下载64位系统:ubuntu-16.04.4-desktop-a

编译OpenCV设计启用OpenGL三维可视化支持和启用GPU CUDA并行加速处理的基本知识: 1.从2.4.2版本开始,OpenCV在可视化窗口中支持OpenGL,这就意味着在OpenCV中可以轻松的渲染任何3D内容.但是由于当前版本(OpenCV2.4.2)在默认情况下不支持OpenGL,也许在将来的OpenCV版本中会默认支持利用OpenGL进行三维可视化.所以在当前版本中需要手工开启支持OpenGL.这一点在利用CMake编译OpenCV时从字段“WITH_OPENGL”默认未被勾选可

详细Ubuntu18.04,CUDA9.0,OpenCV3.1,Tensorflow完全配置指南 问题1:使用Cmake编译opencv源码 CMake Error: The following variables are used in this project, but they are set to NOTFOUND. Please set them or make sure they are set and tested correctly in the CMake files: CUD

前言: 本篇文章是基于安装CUDA 9.0的经验写,CUDA9.0目前支持Ubuntu16.04和Ubuntu17.04两个版本,如下图所示(最下面的安装方式我们选择第一个,即runfile方式): 大家可以先将CUDA文件下载下来,但是最好不要急于安装,一定要先将NVIDIA给出官方指导手册仔细看一下,然后再找几篇好的博客看一下,大致了解一下CUDA的安装过程,对安装过程中可能出现的问题要大致有一个了解,不到万不得已不要重装系统. 安装建议: 1)去官网下载CUDA的同时,一定要找份相应官方的

一.电脑配置 说明: 电脑配置: LEGION笔记本CPU Inter Core i7 8代GPU NVIDIA GeForce GTX1060Windows10 所需的环境: Anaconda3(64bit)CUDA-9.0CuDNN-7.1 二.安装cuda 1.查看自己电脑NVIDIA图形卡是否支持GPU运算 在安装之前你要先查看你的电脑是否支持GPU运算,否则你也不用安装了. 打开终端: 方法一: ubuntu-drivers devices 我的显卡是GTX1060的 方法二: 可以查

PC:ubuntu18.04.i5.七彩虹GTX1060显卡.固态硬盘.机械硬盘 作者:庄泽彬(欢迎转载,请注明作者) 说明:记录在ubuntu18.04环境下搭建深度学习的环境,之前安装了cuda9.1,与cudnn7.0.5版本的,但是无论怎么安装tensorflow-gpu都是失败,后来找到原因了,目前的tensorflow暂不支持cuda9.1,因此更换成cuda9.0,cudnn7.0.7安装成功,而且在英伟达官网下载各个安装包的时候出现在下载到99.9%时候总是下载失败,在某个时间段

在Ubuntu16.04 CUDA9.0 cuDNN8.0的环境下安装caffe2 本博客比较简单,cuda9.0 cudnn8.0部分请看上一篇博客,其中详细讲了: 如何安装驱动 安装cuda 安装cudnn 安装tensorflow 本教程主要参考来自Caffe2官方说明文档 For GPU support you will need CUDA, CuDNN, and NCCL. These must be installed from Nvidia's website. 选择ubuntu,