2080 第7页

【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

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

复现失败S2ANet :Align Deep Features for Oriented Object Detection

2022年4月6日16点00分0.租GPUGPU租用AUTODL的RTX2080Ti1.install.md这次直接使用autodl自带的pytorch试试，PyTorch1.6.0Python3.8Cuda10.1condacreate-ns2anetpython

吃肉不能购·2022-11-24 01:40

linux 指令安装显卡驱动,Linux 16.04 LTS 安装显卡驱动

一、安装环境操作系统：Ubuntu16.04LTS显卡：NVIDIAGeForceRTX2080Ti二、安装步骤安装方式有三种。

杨昉·2022-11-23 20:22

seq2seq 实现从tensorflow到pytorch的转写

在练习tensorflow转写成pytorch对之前的一段tensorflow的seq2seq代码实现pytorch的转换任务是这样的：要将中文日期翻译成英文日期格式，并且输入的时候不知道是1980年还是2080

逆夏11111·2022-11-23 07:45

yolov7训练自己的数据集out of memory

跑yolov7想用无人机数据集VisDrone，四张2080跑128的batchsize根本跑不起，于是跳到32，跑通了，结果没多久又oom了。

一道leetcode编一天·2022-11-23 02:35

mmrotate旋转目标检测框架的学习与使用

classes2.修改训练参数四、训练并测试1.训练2.测试3.预测五、总结参考资料前言mmrotate旋转目标检测框架的学习与使用是在AutoDL的服务器上进行的，配置为ubuntu18.04，GPURTX2080Ti

LinuxMelo·2022-11-22 16:54

你的YOLO V4该换了 | YOLO V4原班人马改进Scaled YOLO V4，已开源(附论文+源码)

（在RTX2080Ti上测试）作者单位：YOLOv4原班人马1、简介基于CSP方法的YOLOv4目标检测方法，可以上下缩放，并且适用于小型和大型网络，同时保持速度和准确性。

码农的后花园·2022-11-22 10:17

YOLOv4官方改进版来了！指标炸裂55.8% AP！Scaled-YOLOv4：扩展跨阶段局部网络【左侧关注下载】

（在RTX2080Ti上测试）作者单位：YOLOv4原班人马（AlexeyAB等人）papers:公号后台回复SYOLO获取code：https://github.com/WongKinYiu/PyTorch_YOLOv41

baobei0112·2022-11-22 10:34

Ubuntu20.04+GeForce RTX 2080 SUPER+cuda11.1+cudnn8.0.4+openCV4.4.0编译

Ubuntu20.04+GeForceRTX2080SUPER+cuda11.1+cudnn8.0.4+openCV4.4.0环境搭建1.Ubuntu20.04系统安装1.1制作系统盘1.2安装Ubuntu20.04

浪荡书生mw·2022-11-22 09:19

YOLOV4论文详解

它使每个人都可以使用1080Ti或2080TiGPU来训练一个超级快速和准确的目标探测器。在检测器的训练过程中，我们验证了最先进的Bag-of-Free

何如千泷·2022-11-22 04:43

kvm直通sata_KVM虚拟化win10显卡直通一例

一、硬件及需求联想SR6502x5218，64G，3x1.2TSASHDD，显卡RTX2080因为对系统要求必须是windows，windowsserver系统没有显卡驱动，win10又没有对应的服务器硬件驱动

weixin_39930144·2022-11-22 03:19

window下同时使用不同型号显卡

目录1.硬件配置2.配置两款型号遇见的问题3.软件方面4.测试使用1.硬件配置显卡3080显卡2080ti2.配置两款型号遇见的问题（1）显卡电源线不够只有两根8pin电源线追加显卡的话需要额外买一根电源线

Mr.Q·2022-11-22 03:10

两张显卡在win10上如何使用

我的服务器是装了win10server系统，之前是2080ti显卡，正常使用没有问题，现在打算加装一张3080ti，但是显示感叹号，无法识别，想问问这种情况应该如何解决呢？

weixin_39185140·2022-11-22 03:06

RuntimeError: No CUDA GPUs are available问题解决

标题问题阐述问题解决RuntimeError:NoCUDAGPUsareavailable标题问题阐述在使用cuda进行模型训练的时候出现了这样一个错误：显示说没有可用的GPU，当时我就炸了，我GeForceRTX2080Ti

春风知江南·2022-11-22 02:54

Ubuntu 16.04安装gpu版pytorch(包括cuda、cudnn)

注：RTX3090不支持CUDA10.2(支持的最高显卡为RTX2080ti),这里使用cuda11.1小技巧：watch-n10nvidia-smi命令每10s刷新一下显存利用率1.安装cuda11.11.1

呼啸蓝天·2022-11-21 23:54

安全帽 hat helmet识别算法，智慧工地

算法目前已经在线上运行算法在2080Ti的吞吐量可以到200FPS,在RK3399Pro可以到[email protected]

Nine-days·2022-11-21 23:02

tensorflow2.2错误:Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR

项目场景：系统环境:OS:UBUNTU20.04CUDA:10.1Tensorflow2.2cuDNN:7.6.5TensorRT:6.0.15(tf2.1支持TensorRT6.0)GPU:RTX2080

qq_23928235·2022-11-21 19:10

tensorflow2.1错误:Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR

系统环境:OS:UBUNTU18.04CUDA:10.1Tensorflow2.1cuDNN:7.6.5TensorRT:6.0.15(tf2.1支持TensorRT6.0)GPU:RTX2080(8G

落叶_小唱·2022-11-21 19:09

解决使用keras训练模型Could not create cudnn handle: CUDNN_STATUS_INTERNAL_ERROR报错问题

机器环境Ubuntu18.04rtx2080stensorflow-gpu1.14keras2.2.3使用keras训练模型时异常报错，根据日志分析大概是显存溢出问题，通过watch-n1nvidia-smi

李昂的·2022-11-21 19:38

pytorch分布式训练踩坑记录

pytorch分布式训练踩坑记录近期工作涉及到Backbone，所以会涉及到ImageNet1K(120w+张图像)的预训练先说说手上有啥，一台PC，配置如下2张2080ti500GSSD2T硬盘64内存

清新大叔丶·2022-11-21 10:38

实验室GPU服务器的搭建

实验室GPU服务器的搭建背景：以此记录在实验室两台GPU服务器安装Ubuntu系统遇到的问题服务器1：主板：技嘉TRX40AORUSXTREME；GPU：RTX2080TI服务器2：主板：技嘉TRX40AORUSXTREME

默默守候只为心安·2022-11-20 16:39

复现 Oriented R-CNN RTX3080ti

在3080ti主机上复现OrientedR-CNN，参考了：复现OrientedR-CNNRTX2080Ti_吃肉不能购的博客-CSDN博客这篇博文给我提供了很大帮助前言GitHub链接：GitHub-jbwang1997

pinfan12138·2022-11-20 14:45

让OpenCV的DNN模块速度飞起来 | Ubuntu18.04下联合编译OpenCV4.2和CUDA10.1

二、需要的有：Ubuntu18.04（最好完全新装避免依赖问题，Ubuntu20.04.1测试失败-2020-11-25）显卡RTX2080的435版

訢詡·2022-11-20 13:53

Ubuntu18.04.3 LTS + OpenCV3.4.6 + CUDA10.0 + CUDNN Caffe软件下载

孤狼北望·2022-11-20 11:32

cuDNN error: CUDNN_STATUS_EXECUTION_FAILED

cuDNNerror:CUDNN_STATUS_EXECUTION_FAILED问题描述：训练环境pytorch=1.6python=3.6cuda=10.2，该环境原是在显卡2080Ti上搭建并打包的

weixin_49223207·2022-11-20 04:38

听说苹果M1能打英伟达RTX？那跑个光追试试

甚至此前有人发现M1MacMini在某项TensorFlow速度测试中的得分高于英伟达RTX2080Ti。所以一位从事光线追踪（Raytracing）技术的程序员，就对M1产生了兴趣。

程序员大咖·2022-11-20 01:09

mmdetection(v1.0rc0)-GTX2080遇到的问题-安装测试保存

./tools/dist_train.shconfigs/faster_rcnn_r50_fpn_1x.py3test.pyconfigs/faster_rcnn_r50_fpn_1x.pycheckpoints/epoch_1000.pth--outtemp_pred/ouput.pkl--evaltrain.pyconfigs/faster_rcnn_r50_fpn_1x.py--gpus1-

知识在于分享·2022-11-20 00:19

LINUX服务器搭建pytorch环境

最近需要跑深度学习模型，租用2080Ti显卡，连接远程服务器，记录一下学习过程。一、连接远程服务器【ssh远程连接服务器教程】租了GPU服务器不知道怎么深度学习？

打发人间白云·2022-11-19 13:22

ubuntu22.04更换RTX 4090显卡后，安装驱动和pytorch记录

前提环境：显卡更换之前（之前使用的是2080ti），已在ubuntu图形界面的“附加驱动”中安装nvidia驱动，并且anaconda环境中的pytorch正常使用。

ginogogo·2022-11-19 03:25

Linux安装Pytorch GPU版本

服务器环境：Ubuntu16.04.7显卡：2080cuda:10.1注：若服务器有管理员账户和个人账户，最好在个人账户下重新安装anaconda，否则安装pytorch过程中可能有些库安装失败，由于权限问题

五岳凌峰·2022-11-19 02:25

YOLOV4-tiny WIN10 部署

1环境1.1硬件当前：NVIDIA2080s要求：NVIDIA20系显卡，NVIDIA30系显卡1.2硬件环境当前：cuda11.2cudnn8.2win10要求：cuda11，cudnn对应cuda版本

highoooo·2022-11-10 10:32

在linux远程服务器配置pytorch-gpu

一般租远程服务器的话，都是租linux系统的本文就以在2080ti显卡服务器上安装pytorch-gpu版本为例。

bug生成中·2022-11-08 09:27

深度学习加速框架onnxruntime-gpu的环境依赖，pytorch转onnx环境，cuda、cudnn、onnxruntime-gpu环境配置

最近遇到2080ti显卡的训练与部署环境，迁移到3090显卡的机子上面，由于30系显卡需要nvidiacuda11版本以上才支持，原先的驱动比较老了只能支持cuda10.2。

沉睡的小卡比兽·2022-11-07 10:33

推荐频道

2080