首先需要确定的是python、pytorch、torchvision、cuda、cudnn、jupyternotebook一定要做到版本对应，才会减少安装后出现错误。

以下是该博文中给出的版本信息TensorFlow2.4CUDA11.1CUDNN8TensorRT8.2.1.8tf2onnx1.13.0onnx1.12.0下载地址包下载地址TensorRT8.2.1.8https

pytorch-gpu环境配置安装pytorch-gpu验证安装是否成功数据预处理训练模型测试并显示结果完整代码pytorch-gpu环境配置安装pytorch-gpu1、在线安装（已配置CUDA11.3，Cudnn8.0

原博客地址https://blog.csdn.net/davidhopper/article/details/81206673安装并配置CUDNN7.1forCUDA9.0下载CUDNN7.1forCUDA9.0

然后再安装另一个版本的cuda时，不要配置环境变量（这样可以保证默认使用第一个版本的cuda），然后安装相应版本的cudnn即可。

本文是在Ubuntu18.04.5服务器上安装CUDA_10.1（nvidia-driver455）和cuDNN_7.6.5,Ubuntu18.04.5CUDA_10.1(nvidia-driver455

如下：image.png将GPU的CUDA安装为10.0.130，cudnn替换为7.3，调用成功。

一、cuda9.0安装cuda9.0下载地址：CUDAToolkit9.0Downloads|NVIDIADeveloper下载完成后进行cuda9.0的安装cuda官方安装教程：QuickStartGuide::CUDAToolkitDocumentation输入：lspci|grep-invidia输出显卡型号，说明支持cuda出现在这个列表CUDAGPUs-ComputeCapability

1.安装Ubuntu2004的系统2.驱动安装前的准备工作第一步：修改设置下载源~阿里源。在SoftwareUpdater在第一栏UbuntuSoftware页面中，找到Downloadfrom，选择->China->mirrors.aliyun.com,点击确认。第二步：sudoapt-getupdate更新软件列表sudoapt-getupgrade本地安装软件与本地软件列表对比，如本地安装版

如下图所示：概念区分驱动(Driver)cuda版本指的是直接驱动GPU硬件的“驱动”模块的版本，具体来说，包含两个相互关联的内容：1.DriverVersion（形如517.00）该值表明驱动器的版本号，它限制了我们最高能下载哪个版本的cuda如网站CUDA12.1Update1ReleaseNotes中提供的下表所示，箭头所指的就是该电脑的驱动器版本号（517.00）所在的区间，红色圆圈所值的

#modifiedfromhttps://github.com/xfbs/docker-openpcdetFROMnvidia/cuda:11.0.3-cudnn8-devel-ubuntu18.04RUNgpg

使用VS2019创建纯Cmake项目。编辑CMakeLists.txt#CMakeList.txt:CMakeProject1的CMake项目，在此处包括源代码并定义#项目特定的逻辑。#cmake_minimum_required(VERSION3.8)project("QtStudy0")set(CMAKE_CXX_STANDARD_REQUIREDON)set(CMAKE_CXX_STANDA

虚拟环境创建一个名称为paddle_env的虚拟环境condacreate-npaddle_envpython=3.7.3激活虚拟环境activatepaddle_env查看cuda版本（本篇默认已安装好cuda和cudnn

6.1loss曲线图6.2计算AP和mAP7批量测试模型前言本文默认大家已经安装好TF-gpu环境，没有安装好的伙伴请先看下文一文多图搞定Ubuntu安装Anaconda+GPUDriver+CUDA+CUDNN

PaddleOCR使用教程PaddleOCR超轻量级中文OCR模型在线体验快速安装，用来获取新的下载链接安装官网建议准备docker环境，这里使用虚拟环境即可环境：python3.7，cuda10.1-cudnn71

第一次写文章，主要是遇见的坑太多，怕以后记不住配置：ubuntu18.0cuda11.2cudnn8.1paddle2.2-gpu下载官方paddle：https://www.paddlepaddle.org.cn

环境cuda11.7、cudnn8.6.0、libtorch1.13.1+cu117注意：1）libtorch官网进不去的可直接下载Releaseversionhttps://download.pytorch.org

说明：由于之前已在电脑中安装好Anaconda3和CUDA以及CUDNN，这里不再记录这一部分，如有需要可以参考其他博主的博客：Win10安装anaconda和cuda+cudnn详细教程。

下载cudnn的也类似。https://developer.nvidia.cn/cuda-toolkit-archive

1、环境安装参考上一篇博客WIN10安装配置TensorRT详解对于高版本的cuda/cudnn，需要注意在环境变量里面新建CUDA_MODULE_LOADING环境变量，如下所示：2、模型训练本文的模型训练主要使用的

sudoldconfig/usr/local/cuda/lib64报错如下：/sbin/ldconfig.real:/usr/local/cuda/lib64/libcudnn_adv_infer.so

4.3安装许可证5.配置远程桌面服务5.1配置许可证服务器和授权模式5.2配置连接模式5.3启用计算机的远程功能5.4设置用户能使用简单密码6.配置CUDA环境6.1更新驱动6.2安装CUDA6.3安装cuDNN6.4

环境：ubuntu16.04+Anaconda3+python3.7.7+cuda10.0+cuDNN7.6.4.3解决方法：安装时不要使

CUDA安装打开命令提示符，输入nvidia-smi，敲击回车。看到自己电脑上的CUDAVersion是11.7，将要下载的CUDA安装包要小于或等于11.7版本。CUDA下载地址我这里点击上方链接选择CUDA11.2版本双击安装程序，路径选择默认即可。这个路径暂时存放安装中的缓存，安装结束后，这一些缓存会自动清除掉。点同意并继续安装选项有精简安装和是自定义安装。精简安装会安装CUDA相关组件，同

1.CUDA所有版本下载地址https://developer.nvidia.com/cuda-toolkit-archive2.CUDNN所有版本下载地址https://developer.nvidia.com

Ubuntu14.0.4使用anaconda2安装tensorflow后安装caffe小结（GPU版本）安装配置说明：ubuntu14.0.4cuda8.0cudnn5.5Anaconda2protobuf

#查看cuda版本nvcc --version，nvcc-V#或者cat/usr/local/cuda/version.txt#查看cudnn版本：cat/usr/local/cuda/include/

安装提前安装好CUDA和CUDNN，登录NVIDIA官方网站下载和主机CUDA版本适配的TensorRT压缩包即可。

遇到的问题RuntimeError:cuDNNerror:CUDNN_STATUS_INTERNAL_ERROR详细错误***.pyreturnF.conv1d(input,weight,bias,self.stride

1.准备cunda环境下载cuda、cudnn，CUDAToolkitArchive|NVIDIADeveloperhttps://developer.nvidia.com/cuda-toolkit-archiveLogin

————————————————文章目录一、概要二、整体流程1、卸载2、安装3、创建pytorch虚拟环境三、运行yolov5v7.0代码四、技术名词解释1、YOLO2、Pytorch3、CUDA4、CUDNN5

本文以在Ubuntu1604环境下，CUDA10.0CUDNN7.6.0为例子介绍如何检测CUDNN是否成功安装。

v10.1\extras\demo_suite，找到下面两个exe文件首先执行：deviceQuery.exe，查看是否出现如下界面：然后执行bandwidthTest.exe，出现如下界面，则代代表cuDNN

本文收集整理关于查看cudnn是否安装的相关议题，使用内容导航快速到达。

CUDNN安装测试细节环境说明备注CUDAToolkit11.2.r11.2A40vGPU/CentOS-8.xcudnn-local-repo-rhel8-8.5.0.96-1.0-1.x86_64.

https://blog.csdn.net/caicaiatnbu/article/details/87626491（亲测）

验证方法：win+Rcmd进入安装目录下，再进入到extras\demo_suite下，执行.\bandwidthTest.exe和.\deviceQuery.exe，得到下图。

CUDA和CUDNN的安装及检测nvcc-V和nvidia-smi出现的cuda版本不同查看目前虚拟环境pytorch使用的cuda版本。正确查看方式：想要查看Pytorch实

文章目录前言一、镜像烧写二、PWM风扇自动调速三、使用MicroUSB在电脑打开终端四、VNC实现局域网及网线直连通信五、SSH文件传输六、状态监控软件Jtop七、检查CUDA、OpenCV及cuDNN

cuDNNV1.0在2014年的发布,并集成到Caffe、Paddle等深度学习框架中。

方法定义tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu=None,data_format=None,name=None)参数：input

安装及配置过程一、下载安装CUDAToolkit1.查看操作系统版本及支持CUDA版本2.官网下载并安装对应版本CUDA3.配置环境变量4.测试CUDA安装是否成功二、下载安装cuDNN1.官网下载对应版本

最近在实现FlowTrack（End-to-endFlowCorrelationTrackingwithSpatial-temporalAttention），子网络用到了FlowNet，实现代码用到了空间互相关，需要安装spatial-correlation-sampler。所以需要配套的环境，鼓捣了一下，成功了，于是有了这篇文章，这篇文章相当于安装spatial-correlation-samp

前言搭建11.8CUDA+8.9.2cuDNN+python3.11.4+anaconda23.5.2环境的过程记录。

清华源帮助链接：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/下载链接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/其他深度学习环境相关博文：【stable-diffusion】4090显卡下dreambooth、lora、sd模型微调的GUI环境安装（cuda驱动、pytor

一、开发环境安装PyTorch的开发环境：Anaconda+CUDA+cuDNN+PyCharmCommunity二、安装过程1、Anaconda的安装1.1版本选择第一步就是最关键的版本对应问题（这决定你能否成功安装

yolo环境3测试yoloV8的语义分割模型1配置pytorch环境我的电脑为Y9000P4090，英伟达显卡驱动版本为525.105.17，驱动显示最高的cuda版本号为12.0，cuda版本为11.6，cudnn

目录二、准备工作2.2CUDA下载安装2.2.4、CUDA安装2.2.5、CUDA安装检查2.3、cuDNN下载安装

目录前言一、深度学习框架TensorFlowPyTorchKerasCaffePaddlePaddle二、深度学习框架环境搭建1.CUDA部署CUDA特性CUDA下载2.cuDNNcuDNN的主要特性cuDNN

如何在你的电脑上完成whisper的简单部署（超详细教程）前言一、显卡驱动、CUDAToolKit、cuDNN的下载1.显卡驱动2.CUDAToolKit3.cuDNN的安装二、windows下安装conda