英伟达

CUDA ：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html cuDNN ：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows WIN10安装CUDA10 CUDA Toolkit 10.0 Download：https://developer.nvidia.com/cuda-downloads 按图下载。（可以离线安装[local]，也可在线下载安装[network]）。 下载完成后，打开安装程序： 安装路径可以默认也可以自定义。之后点击ok就行。 等待。。。。。。 继续等待。。。。。。 点击同意并继续 如果不知道怎么选，就选择精简安装。 我也不知道按那个，so 我全部安装?? 可以选择默认路径或者自定义安装路径，记下安装的路径。 最终“下一步”，然后“完成”就行。 配置系统环境变量，选择path： 如图： 检查是否有下图中的两个环境变量 验证安装：nvcc -V CUDA安装成功！ WIN10安装cuDNN cuDNN Download：https://developer.nvidia.com/rdp/cudnn-download

TensorFlow-GPU安装整理 菜鸟一只，学百家之精，在实践中成长，在记录中升华。 ——蓦舟遥 前言（我的第一篇CSDN博文） 最近学习TensorFlow，但是由于先前装的TensorFlow-CPU版本觉得程序跑的有点慢，所以我开始了GPU之旅。安装的过程确实玄学曲折了点，在此期间自己看了很多博主的博文，经此一役，决定以后根据我的实践过程，记录自己学习过程，给自己以后留个备忘录，当然如果可以帮助别人就很荣幸。 如果有朋友碰到了我博文没有提到的问题，并且也顺利解决了，可以留言给我，毕竟我希望集合百家方法，可以帮助更多的人。 前期准备工作 在安装Tensorflow-GPU之前，首先需要对我们安装的材料理清楚。 安装材料： Anaconda CUDA cuDNN 本文用例 安装流程全程在Anaconda Prompt中完成，Anaconda3，TensorFlow-GPU 1.13.1，CUDA 10.0.13，cuDNN7.4.1， Python 3.6 0 检查自己的电脑是否可以安装TensorFlow-GPU版本 不是每一台电脑都可以安装TensoFlow-GPU版本，首先要检查你的GPU是否支持。 以我的电脑为例： 打开NVIDIA控制面板，在帮助中点击系统信息。 点击组件，查看自己的GPU支持CUDA版本 1 Anaconda安装 官网下载地址： https:/

1 Ubuntu16.04.6安装 1.1 Ubuntu安装时出现“failed to load ldlinux.c32” 刻录映像时写入方式选择”RAW”，成功解决！！！ 1.2 wifi无法使用问题 进入/etc/modprobe.d/文件夹下创建.conf文件，把影响无线wifi开关的“东西”加入黑名单。这个“东西”每种型号品牌的都不一样，在部分联想电脑上是ideapad_laptop，在其他电脑上有可能是其他的名字。 sudo gedit /etc/modprobe.d/ideapad.conf 打开文件后在第一行输入 blacklist ideapad_laptop 保存并关闭后再执行 sudo modprobe -r ideapad_laptop 重启之后，右上角的wifi就可以使用了。 注：modprobe命令用于智能地向内核中加载模块或者从内核中移除模块。 1.3 Chrome安装 https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb sudo dpkg -i google-chrome* 1.4 git: command not found sudo apt-get install git -y 1.5 dpkg: error: dpkg frontend is

nvidia驱动卸载 在Linux系统上卸载nvidia显卡驱动有多种方法 第一种是使用安装文件进行卸载，进入显卡驱动安装文件所在的目录，运行 sudo NVIDIA-Linux-x86_64-418.43.run --uninstall 第二种是使用apt-get命令进行卸载 1.移去旧版本驱动 sudo apt-get purge nvidia* 2.重启 sudo reboot 如果安装时是通过deb包安装的，卸载驱动也要使用dpkg来卸载 1.查找安装的驱动名字 dpkg -l | grep nvidia 2.如果使用deb包安装了cudnn、cuda等，还需要先卸载cudnn和cuda dpkg -l | grep libcudnn sudo dpkg -r libcudnn7-doc sudo dpkg -r libcudnn7-dev sudo dpkg -r libcudnn7 dpkg -l | grep cuda sudo dpkg -r cuda-drivers sudo dpkg -r libcuda1-415 3.卸载驱动 sudo dpkg -r nvidia-diag-driver-local-repo-ubuntu1604-415.25 sudo dpkg -r nvidia-settings sudo dpkg -r nvidia-prime

从tensorflow官网直接pull的一个镜像，并用代码测试，是可以使用的。 需要说明以下重点：血的教训啊，花了我2周啊。 一开时，我从官网直接下载了一个可以支持GPU tensorflow的镜像,但是后来，经过测试，C++代码可以加速，但是python的tensorflow-gpu代码始终显存只有大概114M，gpu利用率更是低的可怜。后来一想，这根本就是没有调用到GPU啊，然后没办法，又去tensorflow官网拉了个镜像，可以使用，但是我只要更新tensorflow-gpu版本就不行，原来tensorflow-gpu对于系统的版本和cuda\cudnn的版本都有要求。 而且官网拉的1.15以后的都是ubunt18.04,没有16.04的。所以大家就需要自己更新cuda\cudnn来支持tensorflow-gpu1.15.0了。 所以 系统版本-cuda-cudnn-驱动-tensorflow版本之间是有要求的 而且tensorflow官网只有去年之前的才有ubuntu16.04的版本，今年所有的镜像全部基于18.04了。cuda版本倒是都有，所以你不用想着去找ubuntu16.04-tensorflow-gpu=1.15的版本了，不存在的，除非自己build一个。 import tensorflow as tf import numpy as np #注意：allow

tensorflow要求python3.5版本，anaconda2（python2.7）和3（python3.6）都需要额外安装3.5。因为已经装了anaconda2，本教程就用2好啦。 1. 安装Anaconda 官网地址： https://www.continuum.io/downloads 下载完毕后打开安装包，一步一步安装就可以了。 注意安装之后需要把相关路径加入环境变量： D:\Anaconda2 D:\Anaconda2\Scripts D:\Anaconda2\Library\bin123 2. CUDA 8.0 1. 下载cuda8.0: 官网地址：https://developer.nvidia.com/cuda-downloads 百度云：下载cuda_8.0.61_win10.exe 2. 安装cuda8.0： 双击cuda_8.0.61_win10.exe直接进行安装即可，默认安装到C:\ProgramFiles\NVIDIA GPU Computing Toolkit目录下； 3. 验证cuda8.0已正确安装： 在cmd命令行输入： nvcc -V1 安装完之后系统变量会自动添加上。 3. cuDNN 5.1 官网下载（需登录） ：https://developer.nvidia.com/rdp/cudnn-download 百度云：下载cudnn-8

安装NVIDIA驱动cuda和cudnn（以Ubuntu16为例） 一.安装NVIDIA驱动 二.安装cuda 三.安装cudnn 一.安装NVIDIA驱动 根据自己的电脑的显卡版本，下载驱动文件， 网站 。 如果有NVIDIA驱动则卸载原有的NVIDIA驱动 sudo apt - get remove -- purge nvidia * 禁用nouveau 1 sudo gedit / etc / modprobe . d / blacklist . conf #在文末添加以下两行，并保存、退出 blacklist nouveau option nouveau modeset = 0 #再执行以下命令 sudo update - initramfs - u #重启后，输入以下命令若没有输出则说明禁用成功 lsmod | grep nouveau 开始安装NVIDIA驱动 2 #输入以下命令后进入黑屏界面 sudo service lightdm stop 按Ctrl + Alt + F1 进入命令行 进入 NVIDIA 文件的下载目录 sudo chmod a + x NVIDIA - Linux - x86_64 - xxx . xxx . run sudo . / NVIDIA - Linux - x86_64 - xxx . xx . run - no - opengl -

0. 卸载环境 1、卸载显卡驱动的命令：   假如安装的是NVIDIA-Linux-x86_64-390.116.run： 则运行如下命令：sh NVIDIA-Linux-x86_64-390.116.run --uninstall 2、卸载cuda和cudnn cd /usr/local/cuda-9.2/bin/ ./uninstall_cuda_9.2.pl rm -rf /usr/local/cuda-9.2/ rm -rf /usr/local/cuda/include/cudnn.h rm -rf /usr/local/cuda/lib64/libcudnn* 卸载完后需要reboot。 1. 安装GPU驱动 如果是更早版本，可以在阿里云进行下载，命令为 wget http://mirrors.cloud.aliyuncs.com/opsx/ecs/linux/binary/nvidia/driver/NVIDIA-Linux-x86_64-390.116.run sh NVIDIA-Linux-x86_64-390.116.run 如果是比较新的版本，需要去官网查询下载https://cn.download.nvidia.cn/tesla： wget http://cn.download.nvidia.com/tesla/396.82/NVIDIA-Linux-x86

1、下载源码 git clone https://github.com/NVIDIA/apex 2、cd apex 进入apex文件夹 3、安装相关的包（3条指令中，选其中一种进行安装包即可） 1 python setup.py install [--cuda_ext] [--cpp_ext] 2 pip install --upgrade setuptools 3 python setup.py install 详细解释 来源： CSDN 作者： 孙小l懒_keep_update 链接： https://blog.csdn.net/qq_37665306/article/details/104045272

转自我的博客： blog 来源： CSDN 作者： 整天梦游的小jerry 链接： https://blog.csdn.net/weixin_43804047/article/details/104040737