2017-2019年计算机视觉顶会文章收录 AAAI2017-2019 CVPR2017-2019 ECCV2018 ICCV2017-2019 ICLR2017-2019 NIPS2017-2019
Anaconda环境变量
1.修改~/.bashrc
2.添加export PATH=/home/user13/anaconda3/bin:$PATH
3.source ~/.bashrc
CUDA 版本
1、查看cuda版本
cat /usr/local/cuda/version.txt
2、查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
1.CUDA driver version(驱动版本):就是NVIDIA GPU的驱动程序版本;
查看命令:nvidia-smi
我们看到我的GPU的驱动程序版本是:384.81
2.CUDA runtime version(运行时版本):是在python中安装的cudatoolkit和cudnn程序包的版本
查看命令:conda list
python安装的cudatoolkit和cudnn程序包版本是:9.2
3.nvidia 驱动和cuda runtime 版本对应关系
4.安装指定版本的cudatoolkit:
(1)在Anaconda Prompt中输入anaconda search -t conda Pydap【Pydap是要安装的库的名字】,等待一会之后,出现图2所示运行结果
通过上图,我们可以发现一共找到了8个Pydap包,我们要依据自己的系统,选择合适的包,运用anaconda show <USER/PACKAGE>命令查看包的详细信息
(2)在交互式窗口中输入anaconda show conda-forge/pydap查看包的详细信息,运行之后,显示的信息如图3所示
(3)依据上图中的提示,运行conda install --channel https://conda.anaconda.org/conda-forge pydap进行包的安装,此时需要等待一段时间,当出现Proceed([y]/n)?时输入y,回车,进行库的安装和下载,此时也需要等待一段时间。
Anaconda安装
anaconda旧版:
官方:https://repo.anaconda.com/archive/
清华:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=N&O=D
conda install tensorflow-gpu
经验:
实践证明,anaconda安装tensorflow-gpu 会自动匹配CUDA版本和cudnn版本,主要的问题是anaconda匹配的CUDA不能高于本机CUDA版本或低于本机cudnn版本。所以本机是CUDA=9.1,cudnn=7时候选择tensorflow-gpu=1.12会出问题因为CUDA=9.2,cudnn=6。但选择tensorflow-gpu=1.8匹配CUDA=9.0,cudnn=7.4时候能够正确安装运行。(浪费了一下午)
在跑一些程序,例如deep learning的时候,总是希望查看一下cpu、gpu、内存的使用率
1. cpu、内存
使用top命令
top
http://bluexp29.blog.163.com/blog/static/33858148201071534450856/
有一个更直观的监测工具,叫htop
sudo apt-get install htop
stop
2. 查看gpu
使用 nvidia-smi 命令
nvidia-smi
但是这个命令只能显示一次,如果要实时显示,配合watch命令, 让一秒刷新一次
watch -n 1 nvidia-smi