深度学习的环境minitorch3+CUDA10.2+cudnn+mxnet1.7的坑

最新推荐文章于 2023-05-27 17:35:05 发布

gwq15541033650

最新推荐文章于 2023-05-27 17:35:05 发布

阅读量1.7k

点赞数 1

本文链接：https://blog.csdn.net/gwq15541033650/article/details/123930572

版权

为了安装这个环境我真的是踩了不少坑，现在写下来记录一下。

就是CUDA的版本问题，在NVIDIA控制面板查找CUDA最大支持版本后不要立马安装那个版本，因为后续环境mxnet暂时没出CUDA11版本的，mxnet的版本和CUDA必须一一对应，导致你会安装不了mxnet。（pytorch同理）

mxnet用这个下：

pip install mxnet-cu102==1.7.0 -f https://dist.mxnet.io/python/cu102

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

gwq15541033650

关注关注

1
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

想学习人工智能、大语言模型？这份学习路线与免费学习资源最值得推荐

DO_Community的博客

04-30

1225

这篇文章试图创建一份免费的课程路径，希望对大家学习有帮助。

win10安装CUDAToolkit并配置mxnet-cu102

蜂蜜柚子茶的博客

01-23

2771

1.查看自己电脑是否有GPU，以及GPU的型号。 2.去NVIDIA的控制面板查看自己需要安装的CUDA （也就是CUDA toolkit）的版本，这里我可以安的是cuda10.2：去官网下载对应的NUDA Toolkit型号：CUDA Toolkit Archive | NVIDIA Developer 当然，如果电脑没有驱动的话，要先根据自己的GPU版本下载相应的驱动。比如我的是GeForce MX350 notebook，输入查看，然后下载：NVIDIA - 驱动下载 3.安装CU.

参与评论您还未登录，请先登录后发表或查看评论

安装MiniConda和Pytorch以及Cuda的笔记及心得

m0_49663564的博客

07-20

994

安装MiniConda和Pytorch以及Cuda的笔记及心得，包括借鉴详细优秀的安装过程，以及安装过程中遇到的问题及解决方案。

MiniConda、CUDA、CUDnn以及pytorch环境的配置以及坑

最新发布

zhanghongbin159的博客

05-27

3654

Conda其实就是一个包或则称之为库的管理工具，类似于安装python自带的pip管理工具，其实我感觉它并没有pip好用，但是有一点还是挺好用的，就是Conda删除某个库时可以级联删除它所依赖的而其他库所不依赖的库，pip我太清楚能不能实现。装这个环境还是挺坑了废了我一两天吧但是总算装好了作个记录也希望能对别人有些帮助。

CUDA 学习（九）、CUDA 内存

10-26

1322

一、CPU内存在传统的CPU模型中，内存是线性内存或平面内存，单个CPU核可以无约束地访问任何地址内存。在内存处理中有两个重要的概念，一个是存储带宽，即在一定时间内从DRAM 读出或写入的数据量。另一个是延迟，即响应一个获取内存的请求所花费的时间，通常这个时间会是上百个处理器周期。二、高速缓存高速缓存是硬件上非常接近处理器核的高速存储器组。高速缓存的

pip install mxnet和cuda的版本指定问题：（配环境https://github.com/TreB1eN/InsightFace_Pytorch时遇到）

qq_38334671的博客

05-27

4811

pip install mxnet-cu102时，mxnet-cu102可能装到mxnet1.6.0或者mxnet1.8.0，可能是由于python的版本不一样，注意比如insightface需要mxnet1.2.0——mxnet1.6.0。此时首先保证在1.2~1.6之间，其次保证mxnet的cuda的版本要和显卡的cuda保持一致。所以这样指定版本：pip install mxnet-cu102==1.6.0.post0 ...

深度学习框架搭建：安装miniconda、cuda、cudnn、pytorch

Indoni的博客

05-08

976

Miniconda是Anaconda的轻装版本，主要包含 conda、Python、 pip、zlib 等。两者安装上基本没有任何差别，本处我安装的是Miniconda。自定义安装注意把环境变量打勾安装好后打开anaconda prompt输入python （安装好conda后会自带有python，并且配置好环境变量）

Minitorch

04-01

"迷你火炬"，即Minitorch，是一款小巧而强大的照明工具，主要应用于移动设备或个人计算机上。在没有正式的标签提供的情况下，我们可以从它的名字推测出它可能是一款轻量级、便携式的软件，旨在提供类似真实火炬的...

Miniconda 的安装和基本操作

Chenm25的博客

09-10

1万+

教程 —— Miniconda 的安装的基本使用

mxnet_cu101mkl-1.5.0-py2.py3-none-win_amd64.7z.001

11-14

基于CUDA10.1的MXNet框架的wheel,可直接pip安装使用，由于上传资源大小限制，分为2个分卷，这是01分卷，02分卷的地址https://download.csdn.net/download/qq_38891072/11976421

亲测有效！！cuda10.2+cudnn10.2

11-10

Pytorch，tensorflow gpu运行必备！官网下载的太慢了。里面包括win10环境下cuda10.2（百度网盘）+cudnn10.2文件下载前请看自己的显卡版本能不能兼容cuda10.2！

mxnet-1.7.0.post2-py2.py3-none-win_amd64.whl

04-02

郁闷，这个我下了好久，现在提供给大家

GPU使用miniconda搭建tensorflow深度学习环境

hua_juan的博客

09-27

1973

主要参考： https://github.com/williamFalcon/tensorflow-gpu-install-ubuntu-16.04 但原文章中有一些错已改正。我使用的版本以及下载的相关软件： ubuntu 16.04 cuda 9.0 cudnn 7.1 python 3.6/python 2.7 miniconda 版本的匹配很重要，版本对不上就会出错，安装...

Win10+Ubuntu双系统+miniconda+Cuda环境配置

weixin_50996258的博客

02-28

475

Win10+Ubuntu双系统+miniconda+Cuda环境配置前言安装Ubuntu花屏、黑屏：安装远程控制向日葵闪退：安装miniconda:安装显卡驱动与Cuda：前言小白入门Ubuntu踩坑以及配置经历，可供参考。安装Ubuntu花屏、黑屏：准备Ubuntu启动盘，进入安装时，光标移动到"install ubuntu"，按"e"进入编辑模式，进入命令行模式，找到’‘quite splash’'然后去掉"–"后，添加“nomodeset” 安装远程控制向日葵闪退： sudo apt-get

CUDA10.1下的WIN10使用pip安装MXNet

Mod_13的博客

04-13

2372

Windows10使用pip安装MXNet GPU版本的那些坑安装MXNet GPU版本的前提是已经根据官方要求安装好了CUDA和cudnn。本机具体环境： Windows10 CUDA version：CUDA 10.1 cudnn version：cudnn 7.6.5 python：3.6 官网指南：官网链接：http://mxnet.incubator.apa...

MXNet gpu 版本快速安装（mxnet-cu101)

热门推荐

tanmx219的博客

06-16

2万+

最近有项目要用mxnet，要从头开始配置mxnet，记录一下全过程，先说下在Windows 10下的安装GPU版本的问题。查看cuda版本首先要查看一下自己安装的cuda版本，一般情况下可以使用nvcc --version或nvidia-smi -q指令，比如我的是10.1版， C:\Users\SpaceVision>nvcc --version nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2019 NVIDIA C

windows 10下安装GPU版MXNet

06-03

913

上回说到编译CPU版的MXNet： [url]http://cherishlc.iteye.com/blog/2299864[/url] 最近攒了个带GPU的本本，，终于可以整GPU版的啦~ 过程和编译CPU版的差不多，但是却花了3天时间填坑，，具体过程本文不再详述，请先编译CPU版。与编译CPU版不同之处在于： [list] [*]win10下必须使用Cuda8RC（我的是965...

cuda 12.1和cuda11.8区别

03-27

CUDA 12.1和CUDA 11.8都是NVIDIA的CUDA工具包版本，它们之间的主要区别包括以下方面： 1. 支持的GPU型号：CUDA 12.1支持的GPU型号比CUDA 11.8更多，包括NVIDIA的最新GPU型号。 2. 支持的操作系统：CUDA 12.1支持的操作系统比CUDA 11.8更多，包括最新的操作系统版本。 3. 性能和稳定性：CUDA 12.1相对于CUDA 11.8具有更高的性能和更好的稳定性，这是由于NVIDIA对其进行了进一步的优化和改进。 4. 新特性：CUDA 12.1相对于CUDA 11.8引入了一些新特性，包括新的API和库，以及更好的开发工具和文档。总的来说，CUDA 12.1是更先进、更强大的CUDA版本，适用于更广泛的GPU和操作系统环境。但是，如果您的应用程序已经在CUDA 11.8上运行良好，那么升级到CUDA 12.1可能需要重新优化和测试，因此需要谨慎考虑。