csdn_tclz的博客

一、安装多个版本的CUDA由于需要在linux服务器上配置多个实验环境，每个环境要求的cuda、pytorch等工具包是不同的版本。笔者是在安装了cuda10.1之后，在追加安装的cuda9.0。安装多个cuda工具包与安装一个的过程类似，详细步骤见这篇文章这里就说一下安装多个cuda需要注意的点：（以追加安装cuda9.0为例）1、首先，因为所用的Linux服务器为Ubuntu18.04，在Nvidia官网选择cuda版本时显示cuda9.0只支持17.04和16.04的Ubuntu，这里18.04

1.执行generate_tsv.py时，出现以下异常信息Traceback (most recent call last):File "./tools/generate_tsv.py", line 26, infrom fast_rcnn.test import im_detect,_get_blobsFile "/home/vilbert_beta/bottom-up-attention/tools/../lib/fast_rcnn/test.py", line 17, infrom fast

几个前提确认自己的机器上已经成功安装了NVIDIA driver、CUDA、cudnn详细步骤可参考之前写的安装说明说明按照Caffe官方安装教程的说明，有两种安装方式，make(官方版)和cmake(社区支持)，使用make过程中遇到不少坑，最终笔者使用cmake安装成功开始1.首先安装后续步骤需要的各种依赖包，依次输入以下命令sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev lib

python3.7已经移除了cuda()函数中async关键字，而用non_blocking代替。函数原型：cuda(device=None, non_blocking=False) → Tensor

一、安装NVIDIA显卡驱动(drivers)方式1：官网下载对应的驱动文件，手动安装（离线） 下载前先了解自己机器、显卡的基本信息。本文以TITAN X 为例，下载的驱动文件名为NVIDIA-Linux-x86_64-430.64.run 执行该驱动文件进行安装，需要root权限：sudo bash NVIDIA-Linux-x86_64-430.26.run# 有博客提到需要添加相应的参数，否则容易导致安装失败sudo bash NVIDIA-Linux-x86_64-430.26.run

VNC（Virtual Network Computing），是一种使用RFB协议的屏幕画面分享及远程操作软件。VNC与操作系统无关，因此能够跨平台使用。例如在Windows系统利用VNC Viewer客户端远程操纵装有VNC Server的Linux服务器。本文的Linux环境是Ubuntu16.04。Windows VNC Viewer 客户端下载点这里下载合适版本的客户端软件。Linux VNC Server安装（以Ubuntu16.04为例）1.安装Ubuntu桌面，主要是gnome的各种

搭建GPU开发环境需要nvidia-driver、cuda、cudnn等，同时需要anaconda、pytorch等常用软件和框架。需要注意的是安装这些工具时版本要匹配兼容。如果每次新添机器，传统的方式需要在每台机器上把这些工具包和库都安装一遍，极其费劲。利用容器技术docker可以帮我们方便地进行自动化部署。在执行下文的安装配置之前，请确认机器上已经安装nvidia-driver(可通过命令nvidia-smi查看)、Docker(版本不低于19.03)安装nvidia-docker由于普通的doc