FCOS源代码github地址为：FCOS这篇论文主要是关于目标检测的，今天跑一下它的实验，我是在autodl租的RTX2080Ti，因为这个代码比较久，所以Pytoch版本可能不可以装太高，我的镜像CUDA

python3.6+tensorflow1.14AutoDL云服务器：RTX2080ti准备condaactivatetf安装包open3d-pythonpipinstallopen3d-python=

一个手拿肥宅快乐水的人坐在了他价值不菲的电竞椅上，熟练地打开外星人电脑，从右手边堆满了Switch、Xbox、各式手柄和游戏光盘的柜子上摸出几样插上……接着，目送女朋友翻着白眼跨过一地乱线离开后，点开了他的steam游戏库，伴随着RTX2080ti

建议选择显存大于4GB的显卡，如GTX1080Ti、RTX2080Ti等。CPU：CPU也是深度

深度学习服务器折腾记由于工作需要，单位给买了一台思腾合力的深度学习服务器，4块RTX2080Ti显卡，本文主要记录折腾过程，以防以后挂了还能重头来一遍（_）安装操作系统首选安装16.04x86_64desktop

GPU使的是RTX2080Ti，一小时0.88元，整个过程大概3-5小时，很划算。实例创建过程自行了解，创建后打开，界面如

1软硬件资源仅作参考，其他型号通用win1132内存显卡RTX2080Ti，驱动版本号：516.59python3.8.10torch1.8.0框架cudatoolkit11.1cudnn8.0.42查看适用

前不久国外网友整出的16G显存RTX3070、国内大佬魔改的22G显存RTX2080Ti。这些可都是官方从未发布过的船新版本。显存容量无伤翻倍，关键还能不同批次搭配组合，任谁看了不迷糊？

在550x550分辨率的图像上，以ResNet-101为主干网的YolactEdge在JetsonAGXXavier上的运行速度高达30.8FPS（在RTX2080Ti上的运行速度为172.7FPS）。

CUDA编程GPU的架构每个GPU由N个SM组成，1个SM分为2个SMP，1个SMP有16个DPUnit和32个CudaCore以及一些特殊函数处理模块比如说，RTX2080Ti，具有68个SM，总共有

最近折腾着配置了几次深度学习的环境，把个人觉得有用的链接附上，大家可以做个参考，欢迎大佬们批评指正。因为大家估计也免不了反复折腾，所以卸载和安装的教程链接一同奉上了。1.ubuntu16.04的安装ubuntu16.04的启动U盘制作https://blog.csdn.net/fu6543210/article/details/79722615ubuntu16.04的安装https://blog.

一、硬件选择快速指南参考文章：RTX2080时代，如何打造属于自己的深度学习机器GPU：RTX2070、RTX2080Ti、GTX1070、GTX1080和GTX1080Ti。

实时姿态估计+3Dshape:VIBE|项目踩坑全记录项目地址：https://github.com/mkocabas/VIBE项目功能：1、适用于任意多目标视频；2、支持CPU和GPU；3、在GPU（RTX2080Ti

RTX2080Ti/2080/2070各有两套对应的设备ID，一个是超频版一个是非超频版，比如我的2080是核心是TU104-400，PCIDeviceID1E82，这个核心的bios都是固定的240W

运行程序的电脑CPU型号：i9-9900X，GPU型号：RTX2080Ti，python版本3.8.1，使用Jupyt

运行程序的电脑CPU型号：i9-9900X，GPU型号：RTX2080Ti，python版本3.8.1，使用Jupyt

前言本文讲述tensorflow2.6.0版本（截至本文发表时的最新版本）在windows10中的GPU环境配置笔者电脑配置：两张RTX2080Ti显卡参考【官网】GPU支持手把手教你安装TensorFlow2GPU

IT之家10月27日消息英伟达RTX3070的公版评测现已出炉，根据多家外媒的评测结果，RTX3070的性能基本上与RTX2080Ti持平。

系统环境：ubuntu18.04显卡：rtx2080ticuda版本：10.2安装RTX2080ti显卡驱动1、ubuntu18.04默认安装了第三方开源的驱动程序nouveau，安装nvidia显卡驱动首先需要禁用

RTX3090Ti旗舰显卡采用熟悉的三槽设计，搭载RTX3090同款GA102GPU，拥有10752个CUDA核心，多于RTX3090的10496个，84个光追核心比3090多2个选RTX3090Ti还是rtx2080ti

arxiv.org/abs/2012.12259代码：https://github.com/haotian-liu/yolact_edgeYolactEdge：边缘设备上的实时实例分割（Xavier:30FPS,RTX2080Ti

背景介绍：新机器2080ti的显卡，安装gpu版本pytorch(后来又装了一台2张3080ti的机器)本文参考：1Ubuntu16.04RTX2080安装NVIDIA驱动+cuda10.0+cudnn7.3.1https://blog.csdn.net/qq_39418067/article/details/879788482Ubuntu16.04安装NVIDIA驱动、实现GPU加速Ubuntu

极链AI云，首当其冲的一定是这家，这家是我用过认为较为好用而且相对价格比较平均然后操作方便，还有最重要的一点就是它微信注册绑定送100元，如果是学生再送100元，真的很爽，而且这家的GPU种类比较多，从RTX2080Ti

CUDA_FAST_MATH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

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，

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。

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

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

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。

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

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。

（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。

（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

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

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

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。

上了RTX2080Ti显卡后，原来Ubuntu18.04内置的驱动和PPA安装的都不运作了，安装NVidia官网下载的驱动可以跑起来，但是需要费一些周折。

Ubuntu18.04Anaconda3-5.3.1python3.8pytorch1.8numpy1.22.2cuda11.1cudnn8.0.5GPU：RTX2080TiDriverVersion：470.82.00一.安装RTX2080TI

显卡选RTX2080还是RTX2080ti这些点很重要http://www.adiannao.cn/dq二、CUDA核心不同。

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

（在RTX2080Ti上测试）作者单位：YOLOv4原班人马（AlexeyAB等人）papers:https://arxiv.org/abs/2011.08036code：https://github.com

极链AI云，首当其冲的一定是这家，这家是我用过认为较为好用而且相对价格比较平均然后操作方便，还有最重要的一点就是它微信注册绑定送100元，如果是学生再送100元，真的很爽，而且这家的GPU种类比较多，从RTX2080Ti

目录一、安装RTX2080TI驱动二、安装CUDA三、安装cudnn四、安装anaconda3五、使用anaconda安装tensorflow五、DeepLab项目安装和测试六、准备数据集1、使用labelme

以前的代码跑起来可费劲了还有这个环境cuda9.0+cudnn7.0github项目地址：https://hub.fastgit.org/potterhsu/easy-fpn.pytorch要是打不开，搜索最后的名字环境搭建RTX2080Ti

0.租用GPU我从autodl租的RTX2080Ti，选配PyTorch1.7.0Python3.8Cuda11.01.安装mmrotate我是

硬件环境：RTX2080TI主机JetsonNano4GB01软件环境：JetsonNano:Ubuntu18.04Jetpack4.5.1DeepStream5.1主机：U

硬件环境：RTX2080TI主机JetsonNano4GB01软件环境：JetsonNano:Ubuntu18.04Jetpack4.5.1DeepStream5.1主机：Ubuntu18.04CUDA10.2yolov55.0

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。

这个五月，为你撑腰（跑GPU，腰板也要杠杠的）喊你进撑腰群啦～【撑腰时间】4.28-5.28【撑腰计划】撑1下-降价啦RTX3090限时4.5元/小时RTX3080限时3元/小时RTX2080ti限时2

选RTX3070Ti还是RTX2080Ti这些点很重要看过你就懂了http://www.adiannao.cn/dqRTX2080Ti采用了三星8nm制程工艺。