ubuntu16.04系统下配置caffe的GPU环境，训练mobileNet-SSD并在EAIDK-310嵌入式上推理

最新推荐文章于 2024-04-24 12:21:06 发布
最新推荐文章于 2024-04-24 12:21:06 发布
阅读量1.4k 收藏 1
点赞数 3
分类专栏： 环境配置 文章标签： cuda gpu anaconda 深度学习 makefile
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_22124817/article/details/108803028
版权

ubuntu系统下配置caffe的GPU环境，训练mobileNet-SSD并在EAIDK-310嵌入式上推理

前言

如果没有安装好ubuntu系统或者系统崩溃需要重装的可以参考上一篇博客：ubuntu+win10双系统安装。

一、NVIDIA显卡驱动及KUDA的安装

1.安装gpu驱动

这里推荐一个简单的安装方法，打开菜单，找到软件和更新，在这里插入图片描述
找到附加驱动，这里会自动推荐适合GPU的驱动，在这里插入图片描述
选择使用NVIDIA驱动，点击右下角的应用更改，系统会自动安装显卡驱动并重启。
若此方法失败，则可参考网上安装gpu驱动的教程，教程有很多，这里不再赘述。
验证是否成功安装：nvidia-smi

nvidia-smi

显示如下图则说明安装成功，注意版本，我这里是Driver Version: 384.130在这里插入图片描述

2.安装cuda和cudnn

版本问题
cada: cuda_8.0.44_linux.run
cudnn:cudnn-8.0-linux-x64-v5.1.tgz

  1. 如没有使用此版本以及上面的显卡驱动版本，不保证能配置成功。本人经过长达两周的时间摸索此对应的版本。推荐CUDA官网，cudnn的安装下载，若有需要，可参考百度云。
  2. 至于安装教程，网上很多，这里推荐一篇教程。
  3. 查看是否安装成功：nvcc -V在这里插入图片描述

二、ubuntu安装GPU版caffe

(一) 安装依赖库:

1.安装指令如下：

sudo apt-get install libprotobuf-dev //（16.04默认版本2.6.1，不能升级）
sudo apt-get install libleveldb-dev
sudo apt-get install libsnappy-dev
sudo apt-get install libopencv-dev
sudo apt-get install libhdf5-serial-dev
sudo apt-get install protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install python-dev
sudo apt-get install libgflags-dev
sudo apt-get install libgoogle-glog-dev
sudo apt-get install liblmdb-dev

2.特别注意
本人安装时python版本是Ubuntu16.04自带的Python2.7，如果需要其他python版本，建议参考后面第三节anaconda虚拟环境下的安装。
安装完成后确认python版本,直接输入python：

python

在这里插入图片描述
这里我只有用opencv2.4.9.1才编译成功，及Ubuntu16.04默认安装的版本。
安装完成后确认opencv版本,接着输入：

import cv2
cv2.__version__

opencv版本

(二) 下载源码并切换到 ssd 分支

1.下载码源
在主目录下(我的是/home/xxx,xxx为用户名)打开命令窗口，依次输入：
下载github上的caffe项目：

git clone https://github.com/weiliu89/caffe.git

若后面编译不成功，也可以下载这里编译好的caffe。
切换到caffe文件夹：

cd caffe

2.切换到 ssd 分支

git checkout ssd

3.安装python依赖库
切换到 caffe 下的 python 目录下，下载 python 依赖库(先安装 pip)

cd python
sudo apt-get install python-pip
for req in $(catpython requirements.txt); do pip install $req; done

(三) 修改配置文件

（针对python2.7,opencv2.4.9.1d的环境修改）

1.修改Makefile.config文件

先将Makefile.config.example复制并重命名为Makefile.config

复制指令如下：

cp Makefile.config.example Makefile.config

然后修改Makefile.config文件，修改后如下：

## Refer to http://caffe.berkeleyvision.org/installation.html
# Contributions simplifying and improving our build system are welcome!

# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1

# CPU-only switch (uncomment to build without GPU support).
# CPU_ONLY := 1

# uncomment to disable IO dependencies and corresponding data layers
# USE_OPENCV := 0
# USE_LEVELDB := 0
# USE_LMDB := 0

# uncomment to allow MDB_NOLOCK when reading LMDB files (only if necessary)
#	You should not set this flag if you will be reading LMDBs with any
#	possibility of simultaneous read and write
# ALLOW_LMDB_NOLOCK := 1

# Uncomment if you're using OpenCV 3
# OPENCV_VERSION := 3

# To customize your choice of compiler, uncomment and set the following.
# N.B. the default for Linux is g++ and the default for OSX is clang++
# CUSTOM_CXX := g++

# CUDA directory contains bin/ and lib/ directories that we need.
CUDA_DIR := /usr/local/cuda
# On Ubuntu 14.04, if cuda tools are installed via
# "sudo apt-get install nvidia-cuda-toolkit" then use this instead:
# CUDA_DIR := /usr

# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the lines after *_35 for compatibility.
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
             -gencode arch=compute_35,code=sm_35 \
             -gencode arch=compute_50,code=sm_50 \
             -gencode arch=compute_52,code=sm_52 \
             -gencode arch=compute_61,code=sm_61

# BLAS choice:
# atlas for ATLAS (default)
# mkl for MKL
# open for OpenBlas
# BLAS := atlas
BLAS := open
# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.
# Leave commented to accept the defaults for your choice of BLAS
# (which should work)!
# BLAS_INCLUDE := /path/to/your/blas
# BLAS_LIB := /path/to/your/blas

# Homebrew puts openblas in a directory that is not on the standard search path
# BLAS_INCLUDE := $(shell brew --prefix openblas)/include
# BLAS_LIB := $(shell brew --prefix openblas)/lib

# This is required only if you will compile the matlab interface.
# MATLAB directory should contain the mex binary in /bin.
# MATLAB_DIR := /usr/local
# MATLAB_DIR := /Applications/MATLAB_R2012b.app

# NOTE: this is required only if you will compile the python interface.
# We need to be able to find Python.h and numpy/arrayobject.h.
PYTHON_INCLUDE := /usr/include/python2.7 \
		/usr/local/lib/python2.7/dist-packages/numpy/core/include
# Anaconda Python distribution is quite popular. Include path:
# Verify anaconda location, sometimes it's in root.
# ANACONDA_HOME := $(HOME)/anaconda2
# PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
		$(ANACONDA_HOME)/include/python2.7 \
		$(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \

# Uncomment to use Python 3 (default is Python 2)
# PYTHON_LIBRARIES := boost_python3 python3.5m
# PYTHON_INCLUDE := /usr/include/python3.5m \
#                 /usr/lib/python3.5/dist-packages/numpy/core/include

# We need to be able to find libpythonX.X.so or .dylib.
PYTHON_LIB := /usr/lib
# PYTHON_LIB := $(ANACONDA_HOME)/lib

# Homebrew installs numpy in a non standard path (keg only)
# PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include
# PYTHON_LIB += $(shell brew --prefix numpy)/lib

# Uncomment to support layers written in Python (will link against Python libs)
# WITH_PYTHON_LAYER := 1

# Whatever else you find you need goes here.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include \
		/usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib \
		/usr/lib/x86_64-linux-gnu/hdf5/serial

# If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies
# INCLUDE_DIRS += $(shell brew --prefix)/include
# LIBRARY_DIRS += $(shell brew --prefix)/lib

# Uncomment to use `pkg-config` to specify OpenCV library paths.
# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)
# USE_PKG_CONFIG := 1

# N.B. both build and distribute dirs are cleared on `make clean`
BUILD_DIR := build
DISTRIBUTE_DIR := distribute

# Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171
# DEBUG := 1

# The ID of the GPU that 'make runtest' will use to run unit tests.
TEST_GPUID := 0

# enable pretty build (comment to see full commands)
Q ?= @

2.修改Makefile文件

（这里代码有点多，避免一行行的去查找修改，这里直接给出修改好的Makefile文件。）

(四) 编译及测试caffe

  1. 在caffe目录下编译：
make pycaffe -j8
make all -j8
make test -j8
make runtest -j8

时间较长，请耐心等待，-j8是指多核同时编译，可节省时间，根据自己电脑设置-j**。出现pass则编译成功。

  1. 测试：
    添加环境变量，注意caffe的路径：
cd caffe/python
export PYTHONPATH=~/caffe/python:$PYTHONPATH

进入 python 环境，输入：import caffe 如果没有报错，证明安装成功。若编译通过但是导入失败，则make pycaffe一下。

  1. 导入环境变量：
sudo echo export PYTHONPATH=“~/caffe/python" >>~/.bashrc
source ~/.bashrc #使环境变量生效

或者：

echo "export CAFFE_ROOT=~/caffe" >> ~/.bashrc
echo "export PYTHONPATH=${CAFFE_ROOT}/python:$PYTHONPATH" >> ~/.bashrc
source ~/.bashrc

如出错参考链接 。

重新打开一个终端窗口，输入python，再输入caffe，不出错则添加环境变量成功。

三、anaconda3环境下安装gpu版caffe

(一) ubuntu系统安装anaconda3

（因为这里主要介绍anaconda3下的caffe环境配置，至于anaconda3的安装，不做过多的赘述。）

1.下载及安装

下载：anaconda安装包下载，推荐官网，或者百度云，提取码：zu0i。

安装：网上很多教程，这里推荐一篇。

是否安装成功：安装完成后需要添加环境变量，查看环境变量终端输入：

sudo gedit ~/.bashrc

打开.bashrc后看最后是否有如下字样代码

## >>> conda initialize >>>
## !! Contents within this block are managed by 'conda init' !!

__conda_setup="$('/home/×××/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "/home/×××/anaconda3/etc/profile.d/conda.sh" ]; then
        . "/home/×××/anaconda3/etc/profile.d/conda.sh"
    else
       export PATH="/home/×××/anaconda3/bin:$PATH"
    fi
fi
unset __conda_setup
##    <<< conda initialize <<<

若没有则复制进去，注意×××是自己的用户名。
安装完成后，终端命令行前出现默认环境(base)，输入conda不报错说明安装成功。

2.创建虚拟环境

  1. 创建名为caffe的python2.7的虚拟环境并切换至该环境：
conda create -n caffe python=2.7
conda activate caffe

(二) 虚拟环境下安装caffe

  1. 安装依赖文件如第二节所示，但是我遇到的问题是sudo apt-get安装的opencv库在conda虚拟环境下无法调用，重新编译安装的opencv库与我想安装的caffe环境又有冲突，导致caffe编译失败。
    这里给出我的解决方法：
    将usr/lib/python2.7/dist-packages目录下的cv.py,cv.pyc和cv2.x86_64-linux-gnu.so三个文件复制到anaconda3/envs/caffe/lib/python2.7/dist-packages文件夹下，并将cv2.x86_64-linux-gnu.so改名为cv2.so
    在这里插入图片描述
    在这里插入图片描述
    至此，caffe下的cv2版本才符合要求，如图所示：
    在这里插入图片描述

  2. 下载码源（与前面一致）
    在主目录下(我的是/home/xxx/my_code,xxx为用户名)打开命令窗口，依次输入：
    下载github上的caffe项目：

    git clone https://github.com/weiliu89/caffe.git

    切换到caffe文件夹：

    cd caffe

  3. 切换到 ssd 分支

git checkout ssd
  1. 安装python依赖库
    切换到 caffe 下的 python 目录下，下载 python 依赖库(先安装 pip)
cd python
sudo apt-get install python-pip
for req in $(catpython requirements.txt); do pip install $req; done
  1. 修改配置文件
    首先是Makefile.config文件，将python的路径改成anaconda下虚拟环境的python，其他的不变。
    修改后如下：
## Refer to http://caffe.berkeleyvision.org/installation.html
# Contributions simplifying and improving our build system are welcome!

# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1

# CPU-only switch (uncomment to build without GPU support).
# CPU_ONLY := 1

# uncomment to disable IO dependencies and corresponding data layers
# USE_OPENCV := 0
# USE_LEVELDB := 0
# USE_LMDB := 0

# uncomment to allow MDB_NOLOCK when reading LMDB files (only if necessary)
#	You should not set this flag if you will be reading LMDBs with any
#	possibility of simultaneous read and write
# ALLOW_LMDB_NOLOCK := 1

# Uncomment if you're using OpenCV 3
# OPENCV_VERSION := 3

# To customize your choice of compiler, uncomment and set the following.
# N.B. the default for Linux is g++ and the default for OSX is clang++
# CUSTOM_CXX := g++

# CUDA directory contains bin/ and lib/ directories that we need.
CUDA_DIR := /usr/local/cuda
# On Ubuntu 14.04, if cuda tools are installed via
# "sudo apt-get install nvidia-cuda-toolkit" then use this instead:
# CUDA_DIR := /usr

# CUDA architecture setting: going with all of them.
# For CUDA < 6.0, comment the lines after *_35 for compatibility.
CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
             -gencode arch=compute_35,code=sm_35 \
             -gencode arch=compute_50,code=sm_50 \
             -gencode arch=compute_52,code=sm_52 \
             -gencode arch=compute_61,code=sm_61

# BLAS choice:
# atlas for ATLAS (default)
# mkl for MKL
# open for OpenBlas
# BLAS := atlas
BLAS := open
# Custom (MKL/ATLAS/OpenBLAS) include and lib directories.
# Leave commented to accept the defaults for your choice of BLAS
# (which should work)!
# BLAS_INCLUDE := /path/to/your/blas
# BLAS_LIB := /path/to/your/blas

# Homebrew puts openblas in a directory that is not on the standard search path
# BLAS_INCLUDE := $(shell brew --prefix openblas)/include
# BLAS_LIB := $(shell brew --prefix openblas)/lib

# This is required only if you will compile the matlab interface.
# MATLAB directory should contain the mex binary in /bin.
# MATLAB_DIR := /usr/local
# MATLAB_DIR := /Applications/MATLAB_R2012b.app

# NOTE: this is required only if you will compile the python interface.
# We need to be able to find Python.h and numpy/arrayobject.h.
PYTHON_INCLUDE := /usr/include/python2.7 \
		/usr/local/lib/python2.7/dist-packages/numpy/core/include
# Anaconda Python distribution is quite popular. Include path:
# Verify anaconda location, sometimes it's in root.
ANACONDA_HOME := /home/lf/anaconda3/envs/caffe
PYTHON_INCLUDE := $(ANACONDA_HOME)/include \
		$(ANACONDA_HOME)/include/python2.7 \
		$(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \

# Uncomment to use Python 3 (default is Python 2)
# PYTHON_LIBRARIES := boost_python3 python3.5m
# PYTHON_INCLUDE := /usr/include/python3.5m \
#                 /usr/lib/python3.5/dist-packages/numpy/core/include

# We need to be able to find libpythonX.X.so or .dylib.
# PYTHON_LIB := /usr/lib
PYTHON_LIB := $(ANACONDA_HOME)/lib
LINKFLAGS := -Wl,-rpath,$(ANACONDA_HOME)/lib

# Homebrew installs numpy in a non standard path (keg only)
# PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include
# PYTHON_LIB += $(shell brew --prefix numpy)/lib

# Uncomment to support layers written in Python (will link against Python libs)
WITH_PYTHON_LAYER := 1

# Whatever else you find you need goes here.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include \
		/usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib \
		/usr/lib/x86_64-linux-gnu/hdf5/serial

# If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies
# INCLUDE_DIRS += $(shell brew --prefix)/include
# LIBRARY_DIRS += $(shell brew --prefix)/lib

# Uncomment to use `pkg-config` to specify OpenCV library paths.
# (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.)
# USE_PKG_CONFIG := 1

# N.B. both build and distribute dirs are cleared on `make clean`
BUILD_DIR := build
DISTRIBUTE_DIR := distribute

# Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171
# DEBUG := 1

# The ID of the GPU that 'make runtest' will use to run unit tests.
TEST_GPUID := 0

# enable pretty build (comment to see full commands)
Q ?= @

其次是Makefile文件，代码比较多，避免一行行的去查找修改，这里直接给出修改好的Makefile文件。）

剩下的编译过程也是完全一样，请参考前面部分。

至此，anconda下的caffe环境就安装好了。

四、caffe环境下训练ＭobileNet—SSD

本人安装ubuntu下的caffe环境主要是利用自己的数据集训练ＭobileNetSSD model，这部分可以参考链接。
最后，将训练的模型.caffemodel模型文件转化成.tmfile文件，在eaidk-310平台上做推理，这部分内容可以参考下一篇博客。

爱&胡闹
关注
  • 3
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
EAIDK310使用情况.pdf
12-30
基于EAIDK310的深度学习的硬件开发板端侧推理引擎Tengine的部署使用
CUDA安装教程
热门推荐
ZCS的博客
09-24 6万+
cuda安装
二，EAIDK-310板载硬件资源介绍
weixin_42905573的博客
11-08 3404
EAIDK-310 概述EAIDK（Embedded AI Development Kit），是以 Arm SoC 为硬件平台、Tengine（Arm 中国周易平台）为核心的人工智能基...
一，EAIDK-310开箱
weixin_42905573的博客
11-07 1724
最近有幸得到了开放智能机器（上海）有限公司（http://www.openailab.com/）的AI开发套件EAIDK-310，先来记录下开箱体验。精准小巧的包装盒。打开盒子，...
EAIDK-310官方资料，以及安装ubuntu、debian系统
Elko_265的博客
06-20 938
EAIDK-310基于RK3228H，其实就是RK3328，四核A53，1+8G。官方支持的系统有Fedora 28、Ubuntu 16.04（两者均有桌面环境，内核版本4.4）以及安卓8.1。现在已经被废弃。（提取码:1uyk。
gpu-mining-on-ubuntu16：在Ubuntu 16.04上简化安装cryptominer和依赖项
02-04
gpu-mining-on-ubuntu16：在Ubuntu 16.04上简化安装cryptominer和依赖项
tensorflow-gpu-install-ubuntu-16.04：针对Ubuntu 16.04的Tensorflow GPU安装说明-深度学习
02-06
tensorflow-gpu-install-ubuntu-16.04：针对Ubuntu 16.04的Tensorflow GPU安装说明-深度学习
ubuntu16.04+caffe环境下的Faster R-CNN预训练模型下载
03-27
基于Faster R-CNN预训练模型，faster_rcnn_models.sh。
ubuntu16.04环境下pyotrch0.4.0+anaconda3-5.2.0+cuda9.0安装包
12-22
这是本人搭建深度学习环境ubuntu16.04+pytorch0.4.0+cuda9.0+Anaconda3-4.3.0 (python 3.6.0) 使用的安装包之pytorch0.4.0
matlab的冲击信号图代码-Start-Zero-Ubuntu16.04-install-caffe-cuda9.1-cndnn9.1-Op
05-20
Start-Zero-Ubuntu16.04-install-caffe-cuda9.1-cndnn9.1-OpenCV2.4.9 install caffe in ubuntu 安装步骤（从零开始） 1.Ubuntu16.04安装 Ubuntu系统及U盘启动工具下载：链接：http://pan.baidu.com/s/1c74mXg密码：...
EAIDK-MIPI 图像获取应用指南丨OPEN AI LAB
04-10
EAIDK-MIPI 图像获取应用指南 本文用于描述 EAIDK610 获取 MIPI 摄像头图像的操作指南。 EAIDK 平台，建立在标准 linux 的平台之上，可以采用通用的 V4L2 视频流获取方式……
EAIDK快操手册
03-05
本文档为EAIDK的快操手册，EAIDK时OPEN AI LAB开发和设计的嵌入式AID开发套件。
EAIDK610-镜像-and-烧录工具
07-01
EAIDK610_镜像_and_烧录工具 用于 EAIDK610 板子的烧录
用USB转TTL串口线连接EAIDK-310开发板，并通过SecureCRT登录开发板
越努力越自由的博客
04-29 989
一、用USB转TTL串口线连接EAIDK-310开发板 注释：GND接GND、VCC接VCC、RX接TX、TX接RX 二、通过SecureCRT连接开发板 1.准备工作 2.此电脑 -> 管理 -> 设备管理器 -> 端口 查看端口列表会发现多了一个端口，记下端口号 3.打开SecureCRT ->快速连接 4.登录开发板（EAIDK-310默认账号...
安装centos出现需要插入U盘才能启动系统_F_hawk189_新浪博客
F_hawk189的博客
03-06 180
今天安装centos6.6的时候，居然需要插入U盘才能正常启动系统，主要是因为把启动项安装到U盘中了，需要重新安装grub到硬盘的MBR中。 1、首先通过U盘先正常进入CentOS系统，然后将U盘拔出。 2、输入grub进入grub命令行模式。 #[root@localhost /]# grub 3、输入find /boot/grub/stage1 或者 find /gru...
EAIDK310-上手
星克曼的专栏
07-08 2571
电源 Debug 波特率位 1500000 显示 用户名和密码均为：openailab 安装插件 控制台输入命令过长换行优化 install xterm-resize.aarch64 截屏软件 sudo dnf install shutter 声卡 有2个声卡：phone 连接器输出；hmdi输出； wget下载某个wav， aplay 获取声卡设备， ...
三，EAIDK-310烧录Ubuntu系统
weixin_42905573的博客
11-09 2374
1，下载镜像文件和烧录工具。下载官方提供的Ubuntu镜像文件和烧录工具。访问EAIDK官方网站http://www.eaidk.com，选择资料下载，选择“EAIDK-310 ”。如...
eaidk310 putty下连接wifi+修改设备名(hostname)
qqliuzhitong的博客
01-21 1909
由于想着希望eaidk能够联网，然后也方便我能够通过网络ssh连接或者vnc连接，首先 就是让eaidk能够连上WiFi ：nmcli device wifi connect wifiname password wifipasswd 1.通过执行上述命令，我们顺利的完成了连接wifi的操作，可以在windows下查看热点信息，多了个未知设备连上来。 2.为了方便后续的操作和管理，设备名字最好取一下，那么我们去更改一下设备名字吧。 （1）查询命令：hostname （2）输出对应的文本文件
深度学习基础：循环神经网络中的Dropout
最新发布
weixin_39753819的博客
04-24 470
Dropout是一种用于深度学习模型的正则化技术，旨在减少模型的过拟合。它的基本思想是在训练过程中，随机地将一部分神经元的输出置为零，从而减少神经元之间的相互依赖关系，降低模型对特定神经元的依赖性，提高模型的泛化能力。本文介绍了Dropout在深度学习中的基本概念和原理，以及在循环神经网络中如何使用Dropout来解决过拟合问题。通过一个简单的Python示例，我们演示了如何在PyTorch中实现带有Dropout的循环神经网络，并观察了训练过程中的损失变化。
ubuntu16.04 安装docker caffe gpu无法使用gpu
09-23
在Ubuntu 16.04中安装Docker并使用GPU时出现问题，首先需要确保你的系统配置符合Docker和Caffe GPU的要求。以下是一些可能的解决方案： 1. 确保你的系统支持NVIDIA GPU：首先，检查你的计算机上是否安装了NVIDIA...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值