英伟达

DeepStream主页： https://developer.nvidia.com/deepstream-sdk DeepStream Development Guide： https://docs.nvidia.com/metropolis/deepstream/4.0/dev-guide/ DeepStream SDK API： https://docs.nvidia.com/metropolis/deepstream/4.0/dev-guide/DeepStream_Development_Guide/baggage/index.html 环境搭建： 1）要求 2）执行nvidia-smi查询Nvidia驱动版本 Driver Version: 418.87.00 执行cat /usr/local/cuda/version.txt查询CUDA版本 CUDA Version 10.1.243 执行cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2查询cudnn版本 7.6.3 执行cat /proc/version查询ubuntu系统版本 18.04.1 Gstreamer安装： apt-get install libgstreamer1.0-0 gstreamer1.0-plugins-base

Win10安装Anconda 、Tensorflow、Cuda、cudnn 下载并安装Cuda、cudnn、Anaconda 一个安装Cuda教程（带图） Cuda官网下载链接 :https://developer.nvidia.com/cuda-toolkit-archive 从中选择和自己电脑相匹配的版本，如果不知道自己的显卡支持什么版本，英伟达（Nvidia）的可以去这里查： https://developer.nvidia.com/cuda-gpus 。比如说我的是GeForce RTX2080，那么它就支持7.5及之后版本。鉴于我的两次重装教训，建议大家也可以先从后面的Anaconda和tensorflow装起，在验证tensorflow是否安装成功时，输入： import tensorflow as tf 之后便会报错，说你没有安装cuda，特别注意里头的： 64_100这是在告诉你应该要装10.0的cuda，如果是63_90,那就是在说应该装9.0版本的cuda。那么你心里对装哪一版就大概有个数了~ 选择好了版本，按照自己电脑型号并选择exe(local)再下载： 然后，下载完了就是一堆同意、继续、下一步，一般都能装成功的。验证方法是：win+R，输入cmd，回车，输入 nvcc -V ，回车，若出现了NVIDIA Cuda compiler driver

现象：设备管理器没有显示独显，但是鲁大师能检测出来显卡型号，开机显卡风扇正常转动 原因：win10系统太旧就会有可能出现这个问题，有的新显卡与旧的win10系统不兼容 解决办法：升级系统到win10最新的问题就可以了 来源：博客园 作者： 菜芽caiya 链接：https://www.cnblogs.com/caiya/p/11422457.html

在Windows上安装Tensorflow Tensorflow可以说是目前最火的机器学习框架。由于某些原因，我只能在Windows上使用GPU版本的Tensorflow。好在 Tensorflow1.0在最近也发布了，对于windows平台的支持也不错，这里将安装过程记录一下。 首先第一步当然是安装python，直接去 python官网 下载安装就好了，不过tensorflow在windows平台上只支持python3.5x以上的版本，下载时需要注意。 通常开发的时候还需要numpy, scipy等数据挖掘，科学计算方面常用的包。python官方是没有的，用到时又需要去下载。为了免去这个麻烦，我们还可以直接安装python的发行版Anaconda，这个发行版包含了大部分常用的包，开箱即用。Anaconda下载地址 https://www.continuum.io/downloads#windows ， 也是注意要选python3.5以上的版本。 在命令行直接使用pip安装Tensorflow C:> pip3 install --upgrade tensorflow GPU版本用 C:> pip3 install --upgrade tensorflow-gpu 若是用gpu版本的Tensorflow还需要安装CUDA和cuDNN才能够跑gpu任务

一：错误描述：今天在 重启 Ubuntu 的过程中 ，出现下图的 grub 选项，系统重启/开机之后出现以下画面，然后选择 Ubuntu 之后黑屏，提示错误： nouveau :failed to create kernel chanel,-22 二：错误原因： 这是linux系统中 nvidia的显卡驱动导致的，因为在Linux 系统中，安装默认的驱动是 nouveau，但是我的电脑支持独立显卡(NVIDIA 显卡)，所以会产生冲突，导致黑屏的出现。解决办法就是装系统时禁用独立显卡。本人双显卡（intel 集成显卡和GeForce MX150 ） 三：解决办法： step1: 在上面图中，按 E 键进入参数编辑界面，如下图所示： zhangpeng@zhangpeng-TM1701:~$ lspci | grep -i vga 00:02.0 VGA compatible controller: Intel Corporation UHD Graphics 620 (rev 07) zhangpeng@zhangpeng-TM1701:~$ lspci | grep -i 3d 01:00.0 3D controller: NVIDIA Corporation GP108M [GeForce MX150] (rev a1) zhangpeng@zhangpeng-TM1701:~

今天装tensorflow-gpu出现了很多问题 1.pip install tensorflow-gpu下载过慢 解决办法可查看 Python机器学习常用模块 2.安装完tensorflow以后，运行时出现ImportError: Could not find ‘cudart64_90.dll’ 解决办法：在https://developer.nvidia.com/cuda-toolkit上下载CUDA 9.0,一定要下载对应的版本，然后安装， 一般默认的位置安装的位置在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0。 安装完以后，再设置环境变量 CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 CUDA_PATH_V9_0 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0 CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 CUDA_BIN_PATH = %CUDA_PATH%\bin CUDA_SDK_BIN

参考： https://www.jianshu.com/p/59b6b23c3d11 1.查看当前NVIDIA显卡对应的驱动版本： 2.安装CUDA9.0（旧版） https://developer.nvidia.com/cuda-toolkit-archive 新版本直接上官网下载： https://developer.nvidia.com/cuda-downloads 3.下载cuDNN（对应CUDA版本） https://developer.nvidia.com/rdp/cudnn-archive 安装方法就是将对应文件夹内文件拷到cuda安装路径下。 安装： https://pytorch.org/get-started/locally/ 5.最后测试： 完成。

之前还可以用gpu跑程序，不知更新了啥导致服务器输入nvidia-smi之后显示如下信息：NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running. 常见的方法：卸载重装 第一步：卸载原驱动 sudo apt-get remove nvidia-* sudo apt-get autoremove 第二步：临时关闭显示服务 sudo service lightdm stop 第三步：重新安装Nvidia驱动 第四步：启动显示服务 sudo service lightdm restart 第五步：查看Nvidia驱动是否安装成功 nvidia-smi如果不管怎么重装nvidia驱动都不对，最后有用的解决方案是更新内核具体操作如下，下载链接：https://kernel.ubuntu.com/~kernel-ppa/mainline/ #系统内核更新先下载，libssl1.1_1.1.0g-2ubuntu4.3_amd64.deb#再下载4个内核deb安装文件linux-headers-4.20.0-042000_4.20.0-042000

系统环境： 操作系统：Ubuntu 18.04.01 显卡型号：GeForce GTX 1060 6G CMake 版本：3.10.2 GCC 版本：7.4.0 GNU Make 版本：4.1 CUDA 版本：10.0.130 错误提示： # make -j`nproc` ... Cuda 10.0 fatal error: nvcuvid.h: No such file or directory ... 查看错误信息 错误原因： CUDA 10.0 中 Decode 模块已经被废弃： https://docs.nvidia.com/cuda/video-decoder/index.html 该模块和 Encode 模块将作为 NVIDIA VIDEO CODEC SDK 模块独立发行： https://developer.nvidia.com/nvidia-video-codec-sdk 解决方法： 1. 根据上述链接下载安装 NVIDIA VIDEO CODEC SDK 并安装。（未测试） 或 2. 关闭 CMake 配置中的 BUILD_opencv_cudacodec 标签。 因为用不到这个功能所以我选择不安装 opencv_cudacodec 模块，关闭后我重新编译成功通过。

1、bios中务必关闭Secure Boot： ps：如果在bios中Secure Boot是灰色的，无法disable，请往下看： 关于Secure Boot在bios中有一段话解释： Secure Boot be enabled only when: (1).Platform Key(PK) is enrolled and platform is operating in User mode; (2). CSM function is disabled in setup。 因此，要Disable Secure Boot，首先如果PK(也就是bios中Key Managemnet有key，请全部 delete），其次Boot选项中，Launch CSM请设置为Disable。 2、（没有这一步nvidia-smi会显示未找到命令） sudo apt update sudo apt dist-upgrade sudo reboot 3、在系统设置-软件和更新-附加驱动中选择要安装的驱动-应用更改 4、重启 5、 nvidia-smi 显示如下则安装成功 参考： https://blog.csdn.net/qq_20492405/article/details/79034430 https://blog.csdn.net/zhicheng_angle/article/details