2080

win10下使用opencv4.5.0 cuda版本编译和目标检测的几个问题

要选中OPENCV_GENERATE_SETUPVARS不要选OPENCV_ENABLE_NONFREE要选中，这是扩展包CUDA_ARCH_BIN只需留下适合自己电脑的算力，比如TITANRTX和RTX2080Ti
breeze_csdn·2022-12-18 02:44

Install CUDA and Nvidia-docker on Ubuntu 18.04 GTX2080Ti

InstallGPUdriverhttps://linuxconfig.org/how-to-install-the-nvidia-drivers-on-ubuntu-18-04-bionic-beaver-linuxhttps://linuxconfig.org/how-to-install-the-nvidia-drivers-on-ubuntu-18-04-bionic-beaver-lin
Yunhe_Feng·2022-12-17 18:17

pytorch运行错误：CUDA out of memory. [已解决]

在2080ti上运行分类模型时遇到了该问题，检查模型本身没有发现错误，最终确认是验证集评估阶段的张量计算非常占用空间。
功夫小象·2022-12-17 11:47

在Ubuntu18.04上配置深度学习环境：Cuda10.1+cudnn7.6+tensorflow1.14.0+keras2.2.4+torch1.1.0（2）

最近一个项目需要在TITANRTX2080Ti上安装Ubuntu18.04+Nvidia-430显卡驱动+Cuda10.1+Cudnn+7.6+Anaconda3+深度学习环境（tensorflow1.14.0
Juln_瑾·2022-12-17 00:52

浅谈光线追踪（上）

2018年9月，NVIDIA发布了全世界第一款支持光线追踪的显卡RTX2080，依托于RTX光追显卡以及微软发布的
粥粥795·2022-12-16 17:06

QT-QComboBox 调用clear异常

百度一下，看到http://blog.csdn.net/fjb2080/article/details/7441730博客，问题类似，并且已经解决，但是这个解决方法不觉得完美。
Coder_小张·2022-12-15 08:31

2080TI Ubuntu18.04 torch1.8保姆级yolov5运行环境搭建

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档2080TIUbuntu18.04torch1.8保姆级yolov5运行环境搭建前言一、引用资料二、未搭建深度学习环境的需阅读此部分三、开始搭建运行环境
跆拳道~跆拳小生~小陶·2022-12-14 19:35

CUDA Error: an illegal memory access was encountered

1.基本配置情况：显卡：RTX2080驱动：NVIDIA-Linux-x86_64-440.64.runCUDA版本：10.2.89Cudnn版本：cudnn-10.2-linux-x64-v7.6.5.32Opencv
MartianCoder·2022-12-14 14:04

win10下 安装 Detectron2(0.4) (VS2019 + cuda11 + pytorch1.8)

环境window10+2080Ticuda11.1pytorch1.8python3.6VS2019Detectron20.4安装步骤使用anconda创建新的虚拟环境,python3.6安装numpy
J ..·2022-12-13 14:12

Ubuntu内核升级导致显卡冲突，升级显卡并禁用自动更新教程

Ubuntu内核升级导致显卡冲突，升级显卡并禁用自动更新教程服务器安装的ubuntu18.04,4块2080Ti显卡。在无意中升级内核后，导致显卡驱动不匹配，无法进入图形界面。
zh4men9·2022-12-13 13:14

搞深度学习，跑程序遇到 out of memory的问题

我的系统是Ubuntu16.04，显卡是rtx2080ti,跑ssd程序，结果报错outofmemory，像网上说的更改了batch_size，改的很小也没有解决，还是会超出，考虑是不是够被占用了太多，
积跬步__·2022-12-12 13:02

batchsize大小对训练速度的影响

GPU:一块2080Ti平台：pytorchcuda图片数量：2700batchsize一个图片处理时间GPU内存占用GPU算力使用一个epoch所用时间10.117s2.5G20%2700*0.0117
Golden-sun·2022-12-10 21:45

Win10+Pycharm+CUDA10.0+cuDNN+tensorflow-gpu 1.14（深度学习电脑GPU配置，超级简单一次成功）

Win10+2080TI+VS2017+CUDA10.0+cuDNNPycharm下载和安装CUDA10.0下载和安装cuDNN10.0下载tensorflow-gpu1.14下载和安装很久没有更了，最近开完题
海绵宝宝爱学习·2022-12-10 03:38

深度学习机器配置 装机指南：从GPU到显示器，全套硬件推荐

做深度学习不用GPU只用CPU显然是不明智的，慢的如乌龟，跑个模型等几天，难熬，但适合摸鱼使用16bit的RTX2070或者RTX2080Ti性价比更高。
studyer_domi·2022-12-10 03:06

Ubuntu16.04配置dense flow所需相关环境

先说以下本人使用的denseflow源码：https://github.com/daveboat/denseFlow_GPU下面是这次配置的环境和机器配置：系统：Ubuntu16.04显卡：GeForceRTX2080cuda9.0cudnn7.0.5opencv
qq_33369129·2022-12-09 17:50

tensorflow + faster rcnn + linux +自己的数据集

在tf-faster-rcnn/lib/setup.py的第130行，2080ti对应的是sm_75。
dlut_yan·2022-12-09 16:50

pytorch模型训练的时候 GPU 使用率不高

前言：博主使用的显卡配置为：2*RTX2080Ti，最近在训练的时候，监控显卡的资源使用情况发现，虽然同是使用了两张显卡，但是每张显卡的使用率很不稳定，貌似是交替使用，这种情况下训练的速度是很慢的，为了解决下面是解决这个问题的一些过程
两只蜡笔的小新·2022-12-09 01:27

Ubuntu18.04安装Nvidia显卡驱动+CUDA10.1

先来看一下机器，鬼鬼，4卡2080Ti，听说有一张卡坏了，nvidia-smi显示不出来，于是又多了一个支线任务，找出哪张卡是坏的。
努力coding的鱼鱼·2022-12-08 14:07

Ubuntu18.04安装NVIDIA显卡驱动 cuda10.1 cudnn7.6.1

lang=en-us我的显卡型号是GeForceRTX2080：tips:看到这里比有些型号多了一个DownloadType的选项（下图箭头所指），因为GeForce主要
mengnalisha_csdn·2022-12-08 14:36

ubuntu18安装nvidia驱动的踩坑记录（最后成功安装）

只是给自己看的一个日记，如果能帮助到别人更好了背景：我手里有一台工控机：ubuntu18＋2080super；一台PC：ubuntu18+960M。
hugice·2022-12-08 14:34

[云服务器与docker]在mmdetection3d上跑PointPillars

因为实验室贫穷，只有一台2080ti的机子，所以一开始打算用云服务器，后面发现云服务器实在是折磨人，所以又回到实验室的2080ti机子。
Matt今年18岁·2022-12-07 23:02

【深度学习】从0构建深度学习环境 centos7 2080TI

Conda指引https://docs.conda.io/en/latest/miniconda.htmlwget-chttps://docs.conda.io/en/latest/miniconda.html一键安装，一路yesshMiniconda3-latest-Linux-x86_64.sh切换conda源，要把torch源也切换进去vim~/.condarc放入以下命令，用的是清华源ch
weixin_40293999·2022-12-07 22:14

(14)关于PyTorch训练深度学习模型CPU/GPU使用率低，训练速度慢这一问题的总结

电脑配置双2080Ti+i7-10700K，使用mobilenet-yolov4-lite训练VOC数据集时，训练100epochs要五六个小时，检测cpu和gpu的使用发现利用率都很低，说明没有充分使用电脑优秀的性能
weixin_40227656·2022-12-07 21:31

R3live+PaddleYOLO同步建图和目标检测

1.硬件环境显卡2080ti，nvidia驱动470.141.03系统ubuntu18.04，cuda-11.1，TensorRT-7.2.1.6,opencv-3.4.16PythonIDE:Anaconda
沉睡的黑马·2022-12-07 14:58

nnUNet安装踩坑-自适应医学图像分割框架

https://github.com/MIC-DKFZ/nnUNet最近想在电脑上部署一下，顺便踩踩坑，感觉其中最大的坑就是apex的安装，深度学习环境的部署可以看上一篇文章硬件环境HPZ8G4工作站，RTX2080ti
老中医5555·2022-12-06 21:03

【OpenMMLab】mmyolov2部署

Ubuntu20.04+CUDA11.3+cudnn8.6+anaconda+python=3.8+pytorch==1.10.1torchvision==0.11.2cudatoolkit=11.3GPU:RTX2080
CTSC·2022-12-03 15:28

记录在2080Ti上安装pytorch0.2

下面记录一下如何在个人工作站2080Ti上安装pytorch0.21.下载在官网根据相应环境下载对应wheel安装包（python2.7）http://download.
MrHehe04·2022-11-30 22:45

在服务器上安装深度学习环境

在服务器上安装深度学习环境服务器系统介绍系统：LinuxUbuntu16.04显卡：nvidiaGeForceGTX2080Ti内存：16G磁盘空间：512GCPU:Intel®Xeon®W-2135CPU
W远涛·2022-11-30 03:53

ubuntu 18.04 安装CUDA + CUDNN + tensorflow-gpu

预备条件:安装2080Ti的驱动直接参考这个Ubuntu18.04安装NVIDIA（英伟达）RTX2080Ti显卡。
永远在路上啊·2022-11-29 22:40

pointnet2（pointnet++）源码复现

1.3下载源码及训练数据集1.4编译tf_ops2.训练1.环境配置1.1环境展示官方在ubuntu14.04上进行了测试，所用环境为：tensorflow-gpu1.2python2.7我所使用的设备为2080
小屋*·2022-11-29 21:52

yolov5环境配置

实验室有双2080TI的服务器，因此将yolov5放于服务器上运行，其中第一遍安装出现了问题，重新安装了一遍，做下记录。
林石一·2022-11-29 21:51

(环境搭建五-简介版321房间) ubuntu下安装gpu版本的pytorch

A前言环境查询：二---显卡2080ti2张驱动495.29.05nvidia-smiUbuntu20.04.3LTS三---cuda11.3(本机11.5需要卸载再安装)nvcc-V（最高支持cuda11.3
计算机视觉-Archer·2022-11-29 20:55

【深度学习训练小技巧】1080ti与2080ti区别、apex与梯度累加

文章目录1080ti与2080ti区别在目标检测和分割任务中使用apex梯度累加（一般不在目标检测中使用）torch.no_grad()当我们没有足够的显卡训练模型时，apex和梯度累加是有效的减少显卡资源使用的手段
一骑走烟尘·2022-11-29 13:50

Tesla T4 64和2080ti的性能对比

做目标检测的测试，40964096的图片，在mmdet里设samples_per_gpu=16,12时均不能在TeslaT464上运行，samples_per_gpu=10时能够在TeslaT4上运行，在2080ti
构建的乐趣·2022-11-29 13:45

PaddleSeg之语义分割模型训练

1.PaddleSeg框架搭建1.1硬件环境ubuntu1804，GPU:2080Ti，cuda-11.1，nvidia-4701.2软件环境1.源码下载国内的gitee网速比github快，代码都是一样的
沉睡的黑马·2022-11-29 05:50

一个使用detectron2的简单实例分割项目实战

配置：ubuntu18.1、python3.6.13、pytorch1.7.1、detectron20.4、gtx2080ti。
三石目·2022-11-28 22:38

Yolov5部署成为Python接口 当然是用flask实现啦~ yolo5写成接口

Ubuntu18.04RTX2080CUDA10.0CUDNN7.4.1Torch1.3.1GPUtorchvision0.4.2Python3.6.5项目地址：https://gitee.com/situyufeng
訢詡·2022-11-28 09:43

error `nvcc fatal : Unsupported gpu architecture ‘compute_80‘ ninja: build stopped: subcommand fai

对于本机2080ti,其最高算力为7.5,故不支持compute_80(算力8.0),co
彬-·2022-11-27 16:19

nvcc fatal : Unsupported gpu architecture ‘compute_86‘解决方法

8.6，但是CUDA11.4支持不了这么高的算力在运行setup.py前，在终端输入exportTORCH_CUDA_ARCH_LIST="7.5"再正常运行setup.py即可这里的7.5指的是算力，是2080
糖豆豆今天也要努力鸭·2022-11-27 16:48

问题解决：nvcc fatal : Unsupported gpu architecture ‘compute_75‘

问题解决：nvccfatal:Unsupportedgpuarchitecture'compute_75'本机环境问题描述问题分析问题解决参考本机环境Ubuntu16.04RTX2080Ti（算力7.5
Kobaayyy·2022-11-27 16:18

win7安装tensorflow-GPU版本流程

工作站基础环境操作系统：win764位专业版硬件参数：RTX2080Ti软件参数：Anaconda3-5.2.0-Windows-x86_64（Python3.6）     VisualStudioEnterpr
lee330705·2022-11-27 16:57

win10+RTX2080ti条件下配置tensorflow-gpu

1.官网安装免费社区版的VS20172.下载了Anaconda4.40，对应py363.安装了CUDA10.https://developer.nvidia.com/cuda-downloads安装时注意，选择自定义安装，并且在第一个CUDA组件下，取消勾选VisualStudioIntegration，不然后面会出错。4.安装CUdnn7.4需要先注册再安装，https://developer.
田野星·2022-11-27 16:18

TensorFlow2.3.0 开发环境安装

硬件i7-10700K+RTX2080S软件Win10Miniconda3-py37_4.8.2-Windows-x86_64cuda10.1cudnn7.6.5tensorflow2.3.0安装过程网上看到很多教程都是先把
peng08303·2022-11-27 16:46

win10 + tensorflow_gpu 1.12.0 + CUDA 10.0 + Anaconda + RTX 2080 +pyCharm 环境搭建过程

前言配置环境花了一天，也踩了一些坑，有幸有很多前人资料以供参考，自己也写一篇安装过程以帮助后来者。在此之前，做些简要的说明：本文仅记录本人环境搭建过程，不保证具有可复制性由于环境更新换代比较快，网上很多旧的博客参考性不大，最好找官方教程或较新博客切勿轻信一家之言，综合多个信息源往往可以事半功倍Anaconda安装下载网址：https://www.anaconda.com/distribution/
mayunhe_cs·2022-11-27 16:45

Ubuntu安装NVIDIA驱动

推荐博客：HowtoinstallNvidiadriversandcuda-10.0forRTX2080TiGPUonUbuntu-16.04/18.04以下操作默认使用sudo权限卸载Nvidia残余文件如果系统是新装的
OTZ_2333·2022-11-27 06:02

Ubuntu18.04+Anaconda3+Python3.8+RTX2080Ti+CUDA10.1+cuDnn7.6.5+TF-GPU2.2+Keras2.4+Pytorch1.7+PyCharm

Ubuntu18.04+Anaconda3+Python3.8+RTX2080Ti+CUDA10.1+cuDnn7.6.5+TensorFlowGPU2.2+Keras2.4+Pytorch1.7+PyCharmStep1
弓小长·2022-11-27 01:39

dell7920工作站安装Linux,戴尔工作站（Precision 7920）安装双系统win10+ubuntu18.04

一、工作站配置型号：dellPrecision7920塔式工作站内存：128G磁盘：4T*2机械；2TNVMe固态显卡：2080Ti*2CPU:xeonsilver4216磁盘阵列：无二、安装过程安装win10
是你的意达·2022-11-25 22:11

yolov4 开发环境搭建_WIN10+YOLOv4，windows上完美执行YOLOv4目标检测

我也来个Win10版的~先上一张成功检测的结果图：正文开始1软件安装我的软件环境：WIN10，CUDA10.2，cuDNN7.6.5，python3.7，VS2019，OpenCV3.4.2硬件环境：GTX2080Ti
weixin_39640773·2022-11-25 19:06

复现Oriented R-CNN RTX 2080Ti

2022年4月5日15点00分1.conda新环境condacreate-nobbdetectionpython=3.7-ysourceactivateobbdetection装pytorch（这一步我不确定是否必要，我选autodl的GPU的时候自带了pytorch，以后有机会再验证吧）condainstallpytorch==1.6.0torchvision==0.7.0cudatoolkit
吃肉不能购·2022-11-24 06:13

复现失败Oriented R-CNN RTX 2080Ti

今天开始复现OrientedR-CNN环境打算租用autodl的RTX2080Ti，因为论文里也是用的这块GPU。最后因为不会使用mmdetection而告终。如果以后有机会再调。
吃肉不能购·2022-11-24 06:43
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他