![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 70
我承认这里有赌的成分
识不足则多虑,威不足则多怒,信不足则多言。
展开
-
Win10删除右键Open folder as pycharm project
具体步骤:Win + R 输入regedit 打开注册表在HKEY_CLASSES_ROOT\Directory\Background\shell目录下找到Pycharm文件夹删除第二步找到的Pycharm文件夹,大功告成!原创 2021-03-02 19:11:39 · 2897 阅读 · 0 评论 -
Unbuntu16.04服务器配置RTX3090的深度学习环境
2020年12月初购入一块七彩虹战斧3090显卡,众所周知,3090需要cuda11.1,但是当时pytorch1.60只支持cuda11.0,所以只好使用Docker,虽然暂时解决了显卡吃灰了问题,但是24G性能猛兽的运算效率大打折扣。1月30下午(封校前一天)决定弃用Docker,重新配服务器环境。熬了个通宵,31号中午配置完成,下面将实现过程记录分享如下,供大家参考避坑!写在前面,这里我们提供了后面用到的Cuda11.1,cudnn,Nivdia driver,torch1.7.1,torchver原创 2021-02-02 21:39:40 · 885 阅读 · 0 评论 -
开启Docker内Visdom的映射端口,使用MobaXterm将其转发到本地实现本地化动态监视
上一篇文章中,我们实现了visdom对深度学习过程的可视化,为了刚方便的在本地查看可视化的动态过程,我们进一步使用MobaXterm的端口转发工具,把Docker容器内visdom的8097端口转发到本地,进而在本地浏览器中查看。下面将实现过程分享并记录如下:由于之前run docker的时候没有开启visdom的映射端口8097,下面我们修改docker的host文件,开启并添加8097端口和本地映射端口。首先停掉docker,否则修改无效!systemctl stop docker在/原创 2021-01-28 15:11:55 · 755 阅读 · 1 评论 -
RTX 3090显卡——Docker+Pycharm+visdom联调(Pytorch框架)
基于前面几篇博客,楼主搭建了基于RTX 3090显卡的深度学习环境,使用专业版pycharm在本地远程连接服务器中搭建的Docker容器,使用效果非常好,解决了在远程服务器中使用pycharm卡顿的现象,最重要的是极大的解放了生产力,各种环境不一致的繁琐配置问题一秒解决!!!最近在学习过程中,遇到了怎么对深度学习训练的过程做可视化的问题,楼主使用Facebook的亲儿子visdom解决了此问题,并将Docker+pycharm+visdom进行了联调,下面分享并记录实现过程:进入使用的Docker容器内原创 2021-01-28 12:04:58 · 452 阅读 · 2 评论 -
使用Pycharm远程连接docker,打造pytorch深度学习环境
本文使用docker避免了复杂的深度学习环境搭建过程,同时解决了新入手RTX3090显卡的吃灰问题第一步:服务器中安装docker, nvidia-docker, docker-compose拉镜像docker容器设置在专业版Pycharm中配置远程环境写在前面楼主的个人服务器使用ubuntu 16.04系统,NVIDIA驱动已安装455.23.04第一步:服务器中安装docker, nvidia-docker, docker-compose将docker.sh文件上传至服务器,并在对应目录下运行原创 2020-12-09 23:10:50 · 1461 阅读 · 0 评论 -
深度学习——ubuntu16.04更新显卡驱动
深度学习——ubuntu16.04更新显卡驱动好不容易搭好了深度学习的环境,使用两个月后突然报错运行nvidia-smi报错:NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver.Make sure that the latest NVIDIA driver is installed and running.发现是显卡驱动太旧了,因此更新了驱动,并记录如下:1.卸载原驱动sudo apt-get原创 2021-01-19 11:44:11 · 766 阅读 · 0 评论