不要用cudnn7.2，用7.3可以兼容

最新推荐文章于 2024-07-10 00:33:52 发布
最新推荐文章于 2024-07-10 00:33:52 发布
阅读量523 收藏 1
点赞数
文章标签： python

 

tensorflow1.11.0 非常的过分了[捂脸]官网上写的cuda 9.0，cudnn 7.2。然而Nvidia官网上根本没有这两个的对应...之前一直都依赖anaconda的一键安装，被惯坏了……模型刚compile完就segementation dump，作为外链的库，找bug都找不到?害得我一遍遍换着法的重装...终于解决了?不要用cudnn7.2，用7.3可以兼容。pip或者conda下来的是cuda9.0编译的，所以千万也别用cuda9.2...受教了???

weixin_33708432
关注
手把手教你搭建YOLOV8+CUDA环境，训练自定义数据集，训练推理验证导出。小白也能看得懂的！
专注于图像领域，主要研究内容包括计算机视觉和深度学习，特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。
05-18 6643
YOLO（You Only Look Once）系列算法因其高效、准确等特点而备受瞩目。由2023年Ultralytics公司发布了YOLO的最新版本YOLOv8是结合前几代YOLO的基础上的一个融合改进版。本文主要介绍YOLOv8环境搭建/数据集获取/训练/推理/验证/导出/部署
一切皆是映射：实现神经网络的硬件加速技术：GPU、ASIC（专用集成电路）和FPGA（现场可编程门阵列）
程序员光剑
07-06 992
在人工智能和深度学习领域，神经网络已经成为一种revolutionary的技术，推动了诸如计算机视觉、自然语言处理和语音识别等领域的巨大进步。然而，随着神经网络模型变得越来越复杂和庞大，传统的CPU处理器在处理这些计算密集型任务时往往力不从心。这就催生了对专门的硬件加速技术的需求，以提高神经网络的训练和推理效率。在这篇文章中，我们将深入探讨三种主要的硬件加速技术：GPU（图形处理器）、ASIC（专用集成电路）和FPGA（现场可编程门阵列）。这些技术各有特点，都在神经网络加速领域发挥着重要作用。
关于CUDA，cuDNN，TF，CUDA驱动版本兼容问题
热门推荐
小肥柴不是小废柴的博客
12-03 1万+
实际工作当中，经常维护好几个项目的代码，不同项目依赖的TF版本不一致问题。网上找了好多资料，但是每次遇到的问题都不一样，每次都要去查（就是是一样的问题，解决办法也可能会不一样）每次踩坑无数，今天痛定思痛，下决心总结一下。 基本概念 CUDA：用于GPU编程的语言，跑TF的时候用了GPU，TF里面很多函数（或者依赖库）是CUDA语言编写的。不同TF版本需要...
Win下部署anaconda3,tensorflow-gpu,cuda9.0,cudnn7.3
one0_opiece的博客
11-15 385
Win下部署：参考https://www.cnblogs.com/guoyaohua/p/9265268.html 安装anaconda3 以及 git 1.创建conda环境 通过调用下列命令，创建一个名为“tensorflow”的conda环境： conda create -n tensorflow pip python=3.6 2.激活环境 通过以下命令激活conda环境： activate...
cuDNN7.3.1【windows版本】
11-08
cuDNN7 tensorflow-gpu必备工具，NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks. Download cuDNN v7.3.0 (Sept 19, 2018), for CUDA 10.0 cuDNN Developer Guide cuDNN Install Guide cuDNN Release Notes
cuda9.0+cudnn7.3
Laney.W
01-14 2939
下载完成后解压，得到一个 cudn 文件夹，该文件夹下include 和 lib64 两个文件夹 sudo cp cudnn.h /usr/local/cuda-9.0/include/ sudo cp lib* /usr/local/cuda-9.0/lib64/ cd /usr/local/cuda-9.0/lib64/ sudo rm -rf libcudnn.so libcudnn.s...
cudnn-9.0-windows10-x64-v7.3.1.20
10-04
https://developer.nvidia.com/rdp/cudnn-download 深度学习加速工具
深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的安装
潇洒坤
11-14 549
0.前言 本文作者接触深度学习2个月后，开始进行目标检测实践。 本文作者的专题《目标检测》链接：https://www.jianshu.com/c/fd1d6f784c1f 此专题的宗旨是让基础较为薄弱的新手能够顺利实现目标检测，专题内容偏向于掌握技能，学会工具的使用。 本文作者尚未具备清楚讲述目标检测原理的能力，学习原理请自行另找文章。 1.不同操作系统...
TensorFlow 1.x版本有哪些
05-24
1.11：2018 年 11 月发布，添加了对 CUDA 10 和 cuDNN 7.3 的支持，也增加了一些新特性。 1.12：2018 年 12 月发布，添加了对 CUDA 10 和 cuDNN 7.4 的支持，同时也增加了一些新特性。 1.13：2019 年 2 月发布，...
从零开始大模型开发与微调：Nvidia 10_20_30_40系列显卡选择的GPU版本
最新发布
程序员光剑
07-10 867
从零开始大模型开发与微调：Nvidia GPU选择指南 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：大模型开发，GPU选择，Nvidia显卡，高性能计算，深度学习加速 1. 背景
Cuda9.0+cudnn7.3(win10)百度云下载链接.docx
05-02
Cuda9.0+cudnn7.3(win10)百度云下载链接.docx 亲测有效~~~~~~免得官网下载太慢还需要注册 加油
cudnn7下载
11-18
The NVIDIA CUDA® Deep Neural Network library (cuDNN) is a GPU-accelerated library of primitives for deep neural networks.
win10 x64 CUDA9.0+cuDNN7.2
01-07
自己使用的CUDA9.0和对应版本的cuDNN7.2打包到一起了。在1050Ti上没有问题。
cudnn-9.0-windows10-x64-v7.2.1.38
09-06
亲测有效英伟达1060，win10安装tensorflow-gpu版，cuda9.0+cudnn7.2
cudnn 7.3.1
11-27
cudnn库windows版本，详细：cudnn-10.0-windows10-x64-v7.3.1.20
深度学习GPU加速环境配置：Ubuntu16.04+RTX 2080（440）+CUDA10.0+cudnn7.3+Ananconda3+Tensorflow1.13
UEVOLIshy的博客
08-31 627
文章目录安装前的准备安装显卡驱动 安装前的准备 首先要明白自己的需求，自己需要跑的代码是tensorflow的什么版本的，因为不同的tensorflow版本需要不同版本的python3支持，需要不同的cuda，配套的cudnn和显卡驱动也不同。 所以首先确定tensorflow版本，然后根据tensorflow版本来确定cuda版本，由cuda版本确定显卡驱动版本和cudnn版本（严格来讲，cuda和显卡驱动不是一一对应的，最新的显卡驱动很多时候是可以向下兼容cuda的，但是不总成立，比如最新的450的驱动
基于Centos 7.3系统下的CUDA、cuDNN配置
u010472596的博客
10-19 3282
基于Centos 7.3系统下的CUDA、cuDNN配置 从网上找了几个教程，安装过程都出现了error,之后结合了几个教程才把Nvidia的驱动安装成功，以此来记录一下安装的教程。一下操作需在root权限下进行。 1．Nvidia显卡驱动安装 升级系统 # 1\. 先来全系统升级与安装所需要的编译程序与环境； [root@study ~]# yum update [root@stud...
win10+tensorflow1.12+cuda9.0+cudnn7.3.1下faster rcnn 训练自己的数据集
HJjtxy的博客
03-19 301
为目标检测实验设置faster rcnn对照组，希望在原环境下运行，因此选用以前的配置环境。 具体参考这篇文章（博客+代码）具体操作中遇到一些问题，这里记录一下。 1.英文看起来复杂怎么办？ 虽然作者使用的都是高中级别的英语词汇，但是一眼看过去还是不如中文舒服啊。没关系，放在谷歌浏览器下打开，直接页面翻译，看起来舒服多了。下面就是按照作者的步骤，按部就班进行就行。 2.配置到2g步，目的是检测你设...
Win10安装Anaconda+python+tensorflow-gpu+cuda+cudnn完美兼容
ITwoniu的博客
10-23 858
python+tensorflow+cuda三者与其他软件的兼容性很要命，很多时候明明不兼容，命令行不报错，这会耽误我们大量时间来找错误原因。 话不多说：本人目前(2019.10月)亲测兼容的搭配为 **Win10+Anaconda3(4.2.0)+python(3.5.2)+tensorflow-gpu(1.13.1)+cuda(10.0)+cudnn(7.4.1)**完美兼容深度学习可能遇到的...
输入一组数据x=[1,1.1,1.2,1.3,2,4,4.1,4.2],y=[2,2.1,2.2,5,7,7.1,7.2,7.3],绘制散点图，其中colorbar颜色表示点的密集程度
06-02
好的，我会用Python来绘制散点图，并使用colorbar来表示点的密集程度。以下是代码： ```python import numpy as np import matplotlib.pyplot as plt # 输入数据 x = np.array([1,1.1,1.2,1.3,2,4,4.1,4.2]) y = np.array([2,2.1,2.2,5,7,7.1,7.2,7.3]) # 绘制散点图 fig, ax = plt.subplots(figsize=(8,6)) sc = ax.scatter(x, y, c=x, cmap='viridis', alpha=0.8) # 添加colorbar cbar = fig.colorbar(sc) cbar.ax.set_ylabel('Density of points', fontsize=12) # 设置横纵坐标轴标签 ax.set_xlabel('x', fontsize=12) ax.set_ylabel('y', fontsize=12) # 显示图像 plt.show() ``` 运行以上代码，会弹出一个窗口，其中散点图的颜色表示点的密集程度，如下图所示： ![scatterplot_with_colorbar.png](https://img-blog.csdnimg.cn/20210905191430933.png)
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
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