libtorch+cuda12.0cmake编译失败“Failed to find nvToolsExt”解决办法

最新推荐文章于 2024-05-29 13:37:33 发布
最新推荐文章于 2024-05-29 13:37:33 发布
阅读量206 收藏
点赞数 3
分类专栏： # 环境配置安装教程 # VS(C++)BUG记录 文章标签： 深度学习 人工智能 windows
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_37346140/article/details/137856199
版权

博主已安装cuda12.0以及对应的libtorch。
这里可以直接通过安装cuda11.6（cuda11.8也可以）中的【Nsight NVTX】解决。

1、下载CUDA11.6

cuda下载链接
在这里插入图片描述
蓝色箭头根据电脑系统win10还是win11自行选择，其余均按图中所以选择。
在这里插入图片描述

2、安装

下载完成之后进行安装，选择【自定义】
在这里插入图片描述

重点：如图所示，只勾选【Nsight NVTX】进行安装
在这里插入图片描述
安装完成之后如图所示：

在这里插入图片描述
此时记得关闭cmd终端，重新进入待编译目录进行编译。

在这里插入图片描述
编译成功！

我宿孤栈
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
LibTorch中Windows系统环境配置及CUDA不可用问题解决
weixin_42112050的博客
03-24 1972
在 Python 深度学习圈，PyTorch 具有举足轻重的地位。同样的，C++ 平台上的 LibTorch 作为 PyTorch 的纯 C++ 接口，它遵循 PyTorch 的设计和架构，旨在支持高性能、低延迟的 C++ 深度学习应用研究。本文基于 Windows 环境与 Visual Studio 2022 开发工具，将从零开始搭建一个完整的深度学习LibTorch开发环境。
【填坑】（一）c++使用Libtorch：Failed to find nvToolsExt
一度雨的博客
04-13 283
Failed to find nvToolsExt
解决libtorch安装编译链接时出错
IT_Novice_的博客
06-23 1655
解决libtorch编译链接报错
CUDA安装、编译与调试
Shilong的博客
09-08 1133
CUDA安装、编译与调试
【WSL2笔记2】 搭建深度学习开发环境踩坑笔记 Ubuntu+CUDA+cuDNN+PyTorch+Tensorflow+ONNX
老富的博客
04-06 1751
错误的结果就是配置的所有虚拟环境都以base的python版本运行，无法配置每个虚拟环境使用不同python版本，失去了虚拟环境意义。至此，适用PyTorch、Tensorflow、cuDNN框架的深度学习开发环境搭建完成。WSL 上的 CUDA 用户指南。安装protobuf 3.2版本。Anaconda官网版本档案。下载Anaconda安装包。创建Python虚拟环境。设置Anaconda路径。需要注册账号登录下载。通过SSH传送WSL。
报错解决：libcudart.so和libprotobuf.so链接库未找到
博学而笃志，切问而近思。
10-24 1704
报错解决：libcudart.so和libprotobuf.so链接库未找到
ubuntu下tensorflow 2.0/2.5 c++动态库编译gpu版本
wd1603926823的专栏
11-02 4697
之前所有写的tensorflow相关的东西都是CPU下的。现在公司一台有Nvidia GTX 1060的电脑空余，于是在这台电脑上重装ubuntu后开始编译tensorflow_cc.so的GPU版本并使用。仔细说来有ABCDEF六步骤如下： A---install bazel (参考https://docs.bazel.build/versions/master/install-ubuntu..................
MXNET Windows+Anaconda下安装教程及Bug解决
热门推荐
miaomiaoyuan的博客
02-19 1万+
MXNET Windows +Anaconda下安装教程及Bug解决前言MXNET 作为2015年底开始流行的Deep Learning 开源框架， 由于其灵活性、对多种语言的支持、 轻量级的调度引擎已经成为很多DL 研发、学习者的开发框架。 网上也出现了很多的mxnet安装教程，但随着mxnet的更新迭代，较早的安装教程会出现一些问题。 笔者在安装过程中出现过很多头疼的Bug, 故针对mxnet
14、ubuntu环境下编译OPENCV的NVCODEC SDK版本进行硬件解码视频和播放测试(附录ffmpeg+nvidia配置环境)
sxj731533730
05-25 756
然后下载opencv进行编译我用的最新版本4.6.0 (2023-5-25)基本思想:编译opencv包含cuda版本,然后进行解码播放显示帧。然后下载解码组件进行重新编译opencv进行准备。
tx2+cuda+cmake:第一个cuda程序
01-09
tx2上用cuda与c混合编译案例，参考博客https://blog.csdn.net/u011679999/article/details/80041081
opencv4.2.0+opencv_contrib+CUDA10.1利用cmake编译中容易下载失败的文件
10-08
利用cmake编译opencv时，有部分文件大多情况下会下载失败，该文件夹包含利用cmake编译容易下载失败的文件，可直接放在opencv/source中
opencv+contrib+cmake编译错误和所需资源汇总打包
06-04
ippicv、ffmpeg、wechat_qrcode、xfeatures2d、face、data无法下载等问题，可以下载使用
opencv+cmake+ffmpeg+编译文件.rar
04-12
opencv3.4.0 CMake3.8.2 ffmpeg 以及最后编译生成文件
opencv 3.4.6 + cuda 10.1 cmake好的资源，包括需要外网下载的资源也打包好
04-18
里面有需要从外网下载的一些数据，在路径opencv-3.4.6/opencv-3.4.6/.cache文件夹中，包括FFmpeg ippicv xfeature2d face_landmark_model.dat， 如果不想withcuda 编译，可以重新cmake，不要重新下载资源 ...
[数据集][目标检测]伤口检测数据集VOC+YOLO格式2760张1类别
FL1623863129的博客
05-27 416
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。重要说明：大部分是脚本伤口，也有一小部分是其他部分伤口。图片数量(jpg文件个数)：2760。标注数量(xml文件个数)：2760。标注数量(txt文件个数)：2760。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
深度学习之加宽全连接
2401_83576060的博客
05-27 667
在这个模型中，inputs层代表了宽度的特征，而hidden1和hidden2层代表了深度的特征。通过将输入层和第二个隐藏层的输出拼接在一起，模型结合了宽度和深度的特征，以提高模型的预测能力。：optimizer=‘sgd’：这是模型训练时使用的优化器。sgd代表随机梯度下降（Stochastic Gradient Descent），它是一种简单的优化算法，用于在训练过程中更新模型的权重。
AI新时代——【深度学习】驱动的【AIGC大模型】与【机器学习】的创新融合
最新发布
小李很执着的博客
05-29 1842
深度学习的强大特征提取能力，结合AIGC大模型的生成能力，使得我们能够在图像、文本、音频和视频生成方面实现前所未有的突破。这些模型的训练过程涉及大量的数据和计算资源，通过反复训练和优化，模型可以从数据中学习到复杂的特征和规律。这些模型不仅可以生成连贯的文本和逼真的图像，还可以创作音乐、生成视频、设计图案等，极大地扩展了内容创作的可能性。通过这种方式，用户可以利用GPT-4模型生成各种类型的文本内容，包括新闻文章、故事创作、技术文档等，极大地提升了文本创作的效率和质量。
cmake编译cuda
08-31
要使用CMake编译CUDA代码，你需要按照以下步骤进行操作： 1. 确保你已经安装了CUDA工具包，并且CUDA的bin目录已经添加到了系统的环境变量中。 2. 创建一个CMakeLists.txt文件，用于描述你的项目的构建过程。在该文件中，你需要指定CUDA的相关设置。 以下是一个示例的CMakeLists.txt文件： ``` cmake_minimum_required(VERSION 3.17) project(your_project_name CUDA) # 设置CUDA的相关设置 find_package(CUDA REQUIRED) include_directories(${CUDA_INCLUDE_DIRS}) set(CUDA_NVCC_FLAGS ${CUDA_NVCC_FLAGS};-O3 -arch=sm_35) # 添加你的源文件 add_executable(your_executable_name your_source_files.cu) ``` 在上述示例中，通过`find_package(CUDA REQUIRED)`来查找CUDA，并使用`include_directories`添加CUDA的头文件目录。 通过`set(CUDA_NVCC_FLAGS ...)`设置NVCC编译选项，例如指定优化级别和计算能力。 通过`add_executable`添加你的CUDA源文件。 3. 在项目的根目录下创建一个build目录，然后进入该目录。 4. 运行CMake来生成构建文件。可以使用下面的命令： ``` cmake .. ``` 这将根据CMakeLists.txt文件生成适用于你的操作系统的构建文件。 5. 运行构建命令来编译你的项目。可以使用下面的命令： ``` cmake --build . ``` 这将根据生成的构建文件进行编译。 完成上述步骤后，你的CUDA项目应该成功编译。请注意，以上仅提供了一个基本示例，你可能需要根据你的项目的实际情况进行适当的修改。

“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
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

打赏作者

我宿孤栈

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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