在安装其他框架包环境的时候，笔者发现nvidia-smi中的CUDA版本与nvcc不一致，nvidia-smi的结果显示CUDA版本是11.0，而从nvcc-V命令来看，却是CUDA10.0。

目录背景用nvcc编译编译工作流二进制适配性ptx适配性应用适配性C/C++适配性64位适配性cudac运行时初始化设备内存共享内存页锁主机内存可移植内存写合并内存映射内存异步并发执行主机与设备间的并发执行并发核执行数据迁移与核执行重叠并发数据传输流多设备系统设备枚举：设备选择流与事件行为对等结点内存访问对等结点内存复制统一虚地址空间进程间通信错误检查调用栈纹理内存和表面(surface)内存纹理

Ubuntu16.04上已装有CUDA8.0，现在想再安装CUDA10.0,由于已安装的显卡驱动版本396.54不支持CUDA10.0，因此安装CUDA10.0之前需要先升级显卡驱动到410及以上版本。

配置：Python3.7.6,CUDA10.0,Pytorch1.3.1,cudNN7.6运行时出现如题错误解决办法：在代码前面添加torch.backends.cudnn.enabled=False作用

查看已进行软链接后的cuda版本二、卸载cuda9.1版本指令$sudoapt-getautoremovenvidia-cuda-toolkit卸载之后使用$nvcc-V提示没有这个文件，即卸载成功三、为cuda10.0

numba.cuda.cudadrv.error.NvvmSupportError:libNVVMcannotbefound.Do`condainstallcudatoolkit`:/usr/local/cuda10.0

我的机器是CUDA16.04的，之前装过CUDA10.0，因为一些原因，现在需要安转CUDA9.0。

环境：windows10，CUDA10.0，cudnn7.6.5（使用TensorFlow官方推荐会报错），pycharm。

ML-Agentsv0.15.0，基于TensorFlow的，但是安装环境的道理都差不多一、PyTorch、CUDA、cuDNN的版本问题按着教程装了一遍，训练的时候出现这个：意思是PyTorch要1.6.0以上的版本，但是CUDA10.0

查看nvidia的版本516.94可安装11.4最新（实验室电脑）笔记本上安装cuda10.0第一次会让设置临时解压目录，笔记本c盘内存不足，于是在D盘新建了一个temp的文件（应该安装完成后会自动删除

win键搜索cmd，右键选择管理员，运行命令：condainstallpytorchtorchvisioncuda100-cpytorch注意：这是CUDA10.0版本的pytorch。

二、解决方案1.通过nvcc-v查看当前cuda版本nvcc-V2.查看服务器上已经安装的cuda有哪些：ls-l/usr/local/cuda*3.修改~/.bashrc将你所需的cuda版本（如cuda10.0

本着尽快编译通过进行测试的原则，环境最终选择了tensorflow-gpu==1.13、cuda10.0。就在自己本地安装了个双系统，在ubuntu上配置该工程，并且一遍过，在这里记录下

cuDNN7.6.5，Tensorflow-gpu1.14.0安装顺序  显卡驱动（笔记本官网驱动）→64位Anaconda3→VS2017→创建虚拟环境，并安装Tensorflow-gpu1.14.0第三方库→安装CUDA10.0

文章目录一.配置二.安装步骤三.运行程序1.下载数据2.运行3.启动仿真一.配置ubuntu18.04ROSMelodicAutoware1.12.0（以上）CUDA10.0（可选）二.安装步骤安装一些依赖

jetsonnano默认：Python3.6.9Opencv-python4.1.1一、配置CUDA环境变量jetsonnano默认已经安装了CUDA10.0，但是直接运行nvcc-V是不会成功的，需要你把

我的配置：ubuntu18.04，cuda10.0，cudnn7.5.0，tensorflow-gpu1.13.1而且gpu是1080ti，算力完全没问题，但还是报错Traceback(mostrecentcalllast

最后将cuda10.0升级到cuda

ransac_voting.cpython-36m-x86_64-linux-gnu.so:undefinedsymbol:_ZN3c105ErrorC1ENS_14SourceLocationERKSs解决方案：cuda10.0

配置：Windows10，VS2015，Anaconda3.5.1，python3.6，torch1.1，Cuda10.0，Cudnn7.5。

cuda版本下的pytorch步骤1：确定本机安装的cuda版本打开anacondaprompt，并输入以下语句，查看本机的cuda版本nvcc-V如图所示，版本为cudatoolkit10.0.130，即cuda10.0

文章目录前言一、Anaconda3下载安装二、确定一下你的GPU是否支持CUDA1.查看GPU2.必应/google搜索：NVIDIAXXXXXX+SPECIFICATION三、CUDA下载安装1.直接搜索CUDA10.0

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

windows10下tensorflow-gpu==1.14仅支持CUDA10.0，其他任何版本的CUDA都会报错。如果安装的CUDA非10.0，无需卸载，只需另外下载一个CUDA10.0即可。

cudaNVIDIAVIDEOCODECSDKffmpegopencv和opencv_contrib1.0安装Nvidia驱动1.1安装cuda安装cuda1.2安装NVIDIAVIDEOCODECSDK注意cuda9.0与cuda10.0

一、jetsonnano默认已经安装了CUDA10.0，但是没有配置，需要你把CUDA的路径写入环境变量中。

环境配置Anaconda（Ubuntu）+Mxnetmxnet-gpu目前最新只有cuda10.0对应的版本，要不自己找资料编译，要不降低cuda的版本或者选择mxnet-cpuMxnet-cpu新建虚拟环境

Linux下已经安装cuda但是输入nvcc-V命令时显示commandnotfound在Linux下已经安装好cuda10.0但是输入nvcc-V命令时显示无该指令。

一、安装依赖安装依赖环境：Ubuntu18.04/cuda10.0/cudnn7.6.5/tensorrt7.0.0/opencv3.31、安装cuda下载地址cuda-10.0-download.下载

vs2017+openpose1.40环境搭建+运行vs2017安装获取openpose环境配置CUDA10.0安装CUDNN10.0openpose依赖项配置CMake运行vs2017安装vs2017

目录前言环境源码参考博客一、制作自己的数据集二、训练三、可视化前言环境torch==1.12.0+cu113cuda==11.3显卡为RTX3070titips：30系显卡最好还是用配套的cuda，博主原本使用的cuda10.0

一、安装依赖安装依赖环境：Ubuntu18.04/cuda10.0/cudnn7.6.5/tensorrt7.0.0/opencv3.31、安装cuda下载地址cuda-10.0-download.下载

下载各种版本libtorch（x86架构官网直接下载，arm架构需要源码编译安装）下载libtorch1.0(1.0.0和1.0.1)版本（cuda8.0、cuda9.0和cuda10.0）Linuxversion

配了环境，网络可以跑，但是文章里面用到的自渗透检测的方法要求的pytorch版本很低,要求pytorch1.0,高了编译不了,会报一个CompileError（忘记留图了）;导致cuda版本太高，需要cuda10.0

2.0.010.11.3.0~1.8.12.1.0~2.3.010.21.5.0~1.8.1无11.01.7.0~1.7.12.4.011.11.8.0~1.9.0无11.2无2.5.0更新于2021-09-18仅记录cuda10.0

cuda9.0、cuda10.0、cuda10.1、cuda11.0链接：https://pan.baidu.com/s/1bK-rBnjaVRsnSa6kXYZVYA提取码：uol9-

1.tensorflow与CUDAtensorflow与cuda对应关系2.ubuntu18.4安装显卡驱动根据网上的编译安装,我的电脑还是无法进入系统桌面,因此只能使用图形化界面安装:软件和更新->ubuntu软件->选择设备的专有驱动系统设置->软件更新->附加驱动->应用更改(安装完毕重启才能生效)使用nvidia-setting切换(切换后要重启才能生效)终端执行nvidia-settin

首先必须要安装好cuda和cudann，我安装的是如下版本的cuda需要注意cuda版本和之后的pytorch版本需要匹配cuda10.0环境安装Pytorch_先说一下，这里不是博客，只是我的笔记本-

环境：ubuntu18.04conda4.5.11gcc7.5.0cuda10.0正常情况下cuda10.0对应的最高pytorch版本为1.4.0查看，但在cuda10.0的情况下也可以安装高版本的pytorch

1.安装背景本机的是Ubuntu18.04版本,同时装了python2.7以及python3.6.在CUDA系列中,已经介绍安装的是CUDA10.0.因此,本机安装CUDA10.0对应pytorch版本

1.pytorch安装没有对应cuda10.0的命令，重装10.2嫌麻烦，尝试直接用10.2的cudatoolkit，结果可行。

前置环境需要安装cuda10.0和对应的cudnn不在赘述，如需查看请参考这两篇博客(面向小白的，十分详细)：手把手教你win10安装Paddlepaddle-GPU(一)手把手教你win10安装Paddlepaddle-GPU

一开始以为是nvidia驱动的问题，然后看了几篇帖子，总结一下我的错误一、cuda版本问题cuda是向下兼容的，一开始我用的cuda10.1的docker镜像，本机是cuda10.0的，所以返回False

原因pytorch1.5与cuda10.0不匹配解决方法在pip清华源查找自己cuda对应的torch和torchvision对应的版本进行安装。

我的电脑配置：ubuntu18.04+CUDA10.0+cudnn7.4.1.5问题：Torch7官网上说的安装方法不适合cuda10.0。以下是本次成功安装Torch7后的记录。

由于项目需要使用Jetsonnano开发板，所以想在自己电脑上安装ubuntu18.04并部署TensorRT加速的yolov5，这样一来所有的调试都可以在本地做好，不然的话板子性能较低，跑什么都慢，浪费时间。一、选择兼容的版本在开始之前，最最重要的就是版本的选择，想在ubuntu上让TensorRT的yolov5跑起来，中间涉及到非常多的版本选择，一旦不配套，就会直接面临重装，相当麻烦。>首先列

tensorflow-windows-wheelcudnn和cuda的关系:nvidia驱动，cuda，cudnn关系_mjiansun的专栏-CSDN博客_cuda和nvidia驱动的关系亲自尝试成功的版本号对应：（1）win10，cuda10.0

一、检查硬件（可参考下面链接）1、首先要检查显卡驱动方式一：找到NVIDIAControlPanel，检查驱动版本是否支持CUDA10.0，官方说驱动版本要410.x以上方式二：在cmd里面用下图方式查看注意

的安装及环境配置https://developer.nvidia.com/cuda-toolkit-archiv首先从该网页下载tensorflow对应版本的的CUDA，tensorflow1.14可以使用CUDA10.0

win10+bazel-0.20.0+tensorflow-1.13.1编译tensorflowGPU版本的C++库安装所需软件/库Step1.安装vs2015，CUDA10.0和cuDNN7.6Step2