cuda&深度学习环境第33页

ubuntu18.04常用软件安装及深度学习环境配置(tensorflow_gpu+cuda+cudnn)

最近在终端输入了rm-rf命令打算删除一些文件，结果一不小心小手指一弹就悲催了，欲哭无泪，删除了系统很重要的动态库文件，系统再也起不来了，只能重装系统。提醒各位童鞋们rm-rf一定要慎用慎用慎用！！！在安装过程中也踩坑无数，现在总结一下，方便以后使用。主要参考的是这篇博客(https://blog.csdn.net/u010801994/article/details/81543268)总结很到位

清~·2020-06-25 03:18

win10深度学习环境搭建

前言之前安装各种软件查各种网站弄得特别麻烦，所以写下一篇完整的文章来记录整个操作流程。在anaconda下，搭建的环境是python3.6+cuda9.0+opencv3.3+tensorflow_gpu1.11+pytorch。安装过程中不必完全跟着最新的版本，很有可能某些软件不支持期依赖库的调用，导致不能正常使用，报各种错误。1python1.1python安装在windows下，不建议使用官

江南小赣·2020-06-25 02:25

Ubuntu16.04下配置tensorflow-gpu深度学习环境经验记录

本人作为从今年1月份才刚开始在虚拟机上接触ubuntu系统的菜鸟，终于也成功总结出了ubuntu下怎么配置深度学习tensorflow环境的一套方法。看了不下几十篇前人的博客，希望这一份经验能有所帮助。其中nvidia驱动部分可以说是最烦的，本人在三台电脑（一台13年买的已经被淘汰的GT650M的神舟笔记本（旧电脑），一台联想R720GTX1050，一台GTX1080主机）上试过，不过记录的不太全

qq_21466721·2020-06-25 01:07

Ubuntu18.04深度学习环境配置(CUDA9+CUDNN7.4+TensorFlow1.12)

为避免读者踩坑，本文测试成功了Ubuntu18.04环境下配置深度学习环境，包括：CUDA9.0+CUDNN7.4+TensorFlow1.12+Pytorch0.4的安装和测试，并提供相关软件下载。

echozishen·2020-06-25 00:52

TX2 深度学习环境配置

由于采用的是Jetpack3.1刷机，所以tx2的环境是ubuntu16.04+cuda8.0+cudnnV6+opencv2一，caffe环境的配置原始版本的caffe已经支持了cudnnV6，所以直接git下来的代码可以直接用，没有任何问题。（网站上还说了ubuntu17.04可以直接apt-getinstallcaffe了）所以，caffe配置是不存在问题的。二，fasterRCNN的配置由

西红柿爱吃小番茄·2020-06-25 00:43

Ubuntu安装及深度学习开发环境配置教程

前言先前一直在捣鼓如何配置Linux下深度学习环境，中间遇到各种坑，光是装Linux系统就试了3个版本，装了十几次，搭建环境时遇到的错误也千奇百怪。

Destiny_In_Fate·2020-06-24 22:10

win10/ubuntu 18.04 深度学习环境搭建（tensorflow 1.14+cuda10.0+cudnn7.6+pytorch 1.4.0）

套路安装：目录step1.0安装驱动step2.0安装虚拟环境step3.0安装cuda和cudnnstep4.0安装软件包step5.0启动jupyterstep6.0测试附：requirement-linux.txtstep1.0安装驱动win10，先安装Nvidia显卡配套驱动（可安装电脑官方安装盘驱动、或者用驱动精灵、或者自行查找显卡匹配驱动）；ubuntu，先安装Nvidia显卡配套驱动

qianshuqinghan·2020-06-24 21:11

（指路贴）Ubuntu系统从0开始搭建深度学习环境（更新中...）

从裸机开始的环境配置一、Ubuntu系统安装1.1系统安装1.2Ubuntu必要配置1.3卸载Ubuntu二、深度学习环境搭建2.1Ubuntu查看显卡信息及安装NVDIA显卡驱动2.2Ubuntu安装

命名无能·2020-06-24 21:20

Ubuntu k80深度学习环境搭建

英伟达驱动安装英伟达驱动下载：https://www.nvidia.cn/Download/driverResults.aspx/135493/cn/由于是驱动的冲突，那么自然是要杀掉和显卡结合不是那么紧密的草根板驱动nouveau了，加入黑名单是我们要做的第一件事，这样启动以后就不会默认使用草根驱动；cd/etc/modprobe.d/#文件夹下创建touchblacklist-nouveau.

多特多完·2020-06-24 19:00

Ubuntu18.04使用docker构建不同深度学习环境

需求：很多时候我们在GitHub找到的一些深度学习代码，由于环境依赖等原因无法跑通，比如基于tf编写的代码库，由于tf各版本API变得非常大（大坑），要想复现最简单的办法是配置和作者相同的tf环境，相应带来的麻烦是cuda版本和cudnn的重新配置，非常麻烦。解决方案：一个可行的解决方案是使用docker，pytorch和tensorflow官方都提供了不同版本的docker镜像，只需拉取相应镜像

落叶_小唱·2020-06-24 18:40

Anaconda下载以及anaconda安装软件包的速度过慢解决办法

本人CV小白一枚，最近载ubutntu下玩anaconda管理深度学习环境的时候，发现anaconda的下载及利用conda命令进行软件包安装时的速度过慢，慢到怀疑人生，参考网上众多大佬的解决办法，现将解决方法分享如下

opencv_fjc·2020-06-24 18:18

深度学习环境搭建（Ubuntu16.04+Tensorflow-gpu）

''好好照顾自己，不要奢望别人来疼你，别人都很忙的。''学了这么久，还是得好好整理一下，一方面总结自己，另一方面可以让大家少走弯路…It'sshowtime:在深度学习入门之初，我建议大家：第一步：基于Linux平台搭建环境，一定安装Tensorflow-gpu版本；第二步：运行深度学习领域的helloworld，mnist数据集，训练+测试，尤其是得测试自己手写的数字；第三步：了解现用的数据集，

I-am-Unique·2020-06-24 12:58

深度学习环境搭建（一）-win10子系统启用Linux

（一）启用win10下子系统LinuxWin10一周年版推出了用于Windows的Linux子系统这一功能，经实验室师兄验证，对于日常开发已经足矣，故选择开启子系统，避免了双系统的麻烦。step1：打开控制面板—程序与功能—启用或关闭Windows功能--勾选适用于Linux的Windows子系统--点击确定--重启电脑step2：进入Windows10设置—更新与安全—针对开发人员—勾选开发人员

joleneliang·2020-06-24 11:20

Ubuntu16.04+Cuda8.0+Theano深度学习环境搭建一

一、安装nvidia驱动1、首先去官网上查看适合你GPU的驱动（http://www.nvidia.com/Download/index.aspx?lang=en-us），根据自己买的型号选择下载，放到/home/isi/cuda目录下面，我下载的是NVIDIA-Linux-x86_64-375.39.run2、屏蔽开源驱动nouveau（原文章说“可以不编辑blacklist.conf，NVID

MarkSJL·2020-06-24 02:13

通过Docker部署深度学习项目环境

深度学习环境部署的方法有很多种，其中Docker化深度学习环境和项目是一个很不错的选择。

DemonHunter211·2020-06-24 01:48

新工作站搭建深度学习环境

0前言：使用新的工作站，显卡navida2080，从零开始搭建深度学习环境1安装linux操作系统使用u盘做一个用ubuntu16.04系统，（上网搜索怎么做系统盘）注意：装机之前，电脑一定要联网。

亚坤要努力·2020-06-23 21:00

ubuntu 16.04 下配置深度学习环境之OpenCV的安装

1.从官网下载zip源代码，解压2.安装依赖sudoapt-get-yremoveffmpegx264libx264-devsudoapt-get-yinstalllibopencv-devsudoapt-get-yinstallbuild-essentialcheckinstallcmakepkg-configyasmsudoapt-get-yinstalllibtiff4-devlibjpeg

jasonzzj·2020-06-23 20:53

centos 7 下搭建 tensorflow+keras 深度学习环境

之前在阿里云服务器上搭建过docker+tensorflow+keras的深度学习环境，由于服务器停用等一系列问题，不得不在本地服务器重新搭建环境，本次以root用户直接操作，不再使用docker容器。

HF飞哥·2020-06-23 15:45

深度学习环境搭建第一步----windows10与ubuntu18.04双系统安装

1.安装前准备工作1.1了解安装环境一般来说，我们的windows10系统肯定是已经安装好的，在安装双系统之前我们首先要了解一下自己电脑的环境，比如是否支持uefi启动，如何进入BIOS环境，哪个盘是固态盘，哪些盘是机械盘等等。本人的笔记本是惠普光影精灵4，支持uefi启动，进入BIOS环境的方法是电脑启动时不停地用手戳键盘左上角的ESC键，然后出现提示菜单，按F10可进入BIOS设置。1.2基础

gefeng1209·2020-06-23 10:04

windows7+cuda10.1+pytorch1.4搭建GPU深度学习环境

初始状态：win7、GeForceGTX1050Ti查看显卡驱动是否安装https://jingyan.baidu.com/article/f0e83a2556f03e22e5910123.html安装anaconda5.2https://jingyan.baidu.com/article/eae078275a31851fec5485b8.html，安装很简单修改镜像为清华源，这样之后的安装下载会

fedsnly·2020-06-23 07:15

最详细的搭建深度学习环境（TensorFlow-GPU版本）

前言：搭建目标——Windows10+Anaconda3+Tensorflow-GPU+（VS）+CUDA+CUDNN+Pycharm一、准备工作：1.安装Anaconda简介：Anaconda是一个管理Python版本、依赖工具包、开发环境的软件。可以建立独立的开发环境，在独立的开发环境中下载各依赖工具包。步骤：（1）网址https://www.anaconda.com/distribution

cuirise·2020-06-23 01:14

MacBook+eGPU编译安装pytorch、tensorflow(OSX10.13.3,python3.6,cuda9.1,cudnn7)（未完成）

本文记录自己使用MacBook13inchearly2015+技嘉GTX1080GamingBox配置深度学习环境的过程安装eGPU（待添加）1.安装PyTorch（待添加）1.安装tensorflow

红豆绿豆芋头·2020-06-23 01:41

Ubuntu 18.04 + Docker + Nvidia Docker + Deepo 从零搭建深度学习环境

Ubuntu18.04系统安装完成后，我们从零开始搭建基于docker的深度学习环境。

Chen_SL·2020-06-22 22:27

[Deep Learning] 环境搭建

搭建深度学习环境的各种库间的依赖关系如下图所示：当然深度学习的框架还有很多，例如早期的Caffe、MXNet、百度的PaddlePaddle、阿里的PAI人工智能平台等，不过我认为初期学习时还

jingy_ella·2020-06-22 20:59

车路协同-使用SUMO软件实现智能交通灯控制（一）

sudoadd-apt-repositoryppa:sumo/stablesudoapt-getupdatesudoapt-getinstallsumosumo-toolssumo-doc使用上面三行即可安装好SUMO，特别是使用深度学习环境的同学

Robert--cao·2020-06-22 20:38

在window下安装深度学习环境遇到的坑

参考文章：https://github.com/philferriere/dlwin首先应该尽可能按照文章所选择的软件版本进行安装，软件版本不一样的话，会导致某些安装命令需要改变（安装版本不匹配会导致安装不上去，例如python版本不同的话，对应的tensorflow安装包也不同）然后vs必须将c++包安装好，并且需要将vs的path设置好，要是没有设置好，会提示找不到cl.exe（c++编译器）

asddsa00x·2020-06-22 15:28

Caffe环境配置：Ubuntu16.04+CUDA8.0

这篇之前需要配置深度学习环境，安装过程不再赘述，请参考文章：深度学习主机环境配置：Ubuntu16.04+GTX1080+CUDA8.0+CUDNN5.11.安装Caffe依赖包在Ubuntu16.04

Vivian_yolo·2020-06-22 08:15

Linux系统部署深度学习环境

设置jupyternotebook远程访问一般安装教程参考，我的问题在于软件安装完成也弄好配置，但通过iptables开放端口后死活不能访问。最后才发现是redhat系和debian系防火墙管理应用不同的问题，我所用的是redhat系列的centos，所以应该用firewall开放端口：在防火墙添加开放8888端口firewall-cmd--zone=public--add-port=80/tcp

mosan123·2020-06-22 05:53

使用Google Colaboratory进行Tensorflow深度学习

Colaboratory作为Google推出的一项免费云端深度学习环境服务，由于配置了Tensorflow+GPU深度学习环境，并且使用了JupyterNotebook编辑器，非常适合深度学习小白作为入门的工具

Sebastien23·2020-06-22 05:46

[work] 最爽的GPU深度学习环境搭建教程

背景介绍GPU在以下方面有别于CPU：CPU和GPU之所以大不相同，是由于其设计目标的不同，它们分别针对了两种不同的应用场景。CPU需要很强的通用性来处理各种不同的数据类型，同时逻辑判断又会引入大量的分支、跳转和中断的处理。这些都使得CPU的内部结构异常复杂。而GPU面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。上图中，绿色的部分是计算单元（ALU），就是我们用来

This is bill·2020-06-22 05:41

深度学习之路--环境篇(centos下搭建深度学习开发环境)

luffy搭建深度学习环境可谓一波三折,最后终于搭建成功了,原来用cpu跑30分钟的代码,gpu上1分30秒就跑完了(感动哭).

LuffysMan·2020-06-22 00:08

Win10+Anaconda+CUDA10.2+cuDNN7.6.5+RTX2080S深度学习环境配置

前言刚刚换了PC配置，然后一次配好了DP环境，仅供参考。硬件配置：i79700KF+16G+RTX2080super准备将WIN10和Nvidia的显卡驱动都更新到最新版本。（我直接用GeforceExperience更新的）在微软官网下载最新的VisualStudio2019Community:LinkAnaconda安装在官网安装最新的python3.7版本：Link安装跟着向导走，没什么要改

DavidKabuda·2020-06-21 19:59

Windows10系统下配置深度学习环境（(python3.5.2+anaconda4.2.0+CUDA9.0+cuDNN7.5.0+tensorflow-gpu1.11.0)）

写在前面：想必大家在没有搞深度学习之前都已经接触过python了，所以电脑上或多或少都有一两个python的编辑器，比如pycharm，也或多或少了解到了anaconda。我相信你看到我的标题时候，你就已经在准备搭深度学习的环境了，那么你的电脑上也一定装了anaconda和python编辑器了，所以我这里就不讲了。注：现在大多数人都用的是python3和anaconda3的版本了，python2也

Fanacio·2020-06-21 16:23

windows10+cuda10.1 深度学习环境配置

前言迫于学校不让开学，不得已收了块N卡在家里学习，顺便记录下配环境的过程和踩过的坑首先说一下最坑的下载cuda之前千万要去确认一下想要使用的深度学习库支持的最高的cuda的版本。我就在目前（2020.2.22）pytorch和tensorflow最高都只支持到10.1的情况下安装了10.2发生了很多错误，之后又换回了10.1，但是安装过程大同小异主要是懒，就用10.2的图了。Anaconda安装与

AchanV·2020-06-21 16:06

Ubuntu 18.04 LTS 系统安装深度学习环境显卡驱动 433.40 + Cuda 10.0 + Cudnn 7.6

Xovee·2020-06-21 14:43

ubuntu16.04安装及深度学习环境搭建

写在前面最近实验室刚刚配置了新设备，所以从头开始配置一波我平时做深度学习所用到的环境、软件，在这里做个分享，方便自己以后用到时不用再到处查资料，也方便其他要开始学习这个方向的小伙伴，加油！电脑的一些配置：cpu:i5-8400内存：8Gx2显卡：NVIDIA1080ti1.Ubuntu16.04安装这个不是这个教程的重点，具体可以参考博客https://blog.csdn.net/flyyufen

tsmotlp·2020-06-21 01:31

初次体验Ubuntu之三——机器学习和深度学习环境搭建

显卡显卡至少GeForeceRTX2060，因为只有rtx系列有TensorCore。从性价比、可靠性多方面看，使用台式机更好。对于深度学习显卡，显存比频率核心更重要。比如TitanX有12G的显存，不仅可接受一般任务，而且也可参加Kaggle、天池比赛，需要6G左右。若要实现一下网络，不处理超复杂的网络结构，可能需要4G。而GeForceGTX970型号实际有效内存只有3.5G。Nvdia的独显

绍荣·2020-06-19 10:00

【CV5】Tensorflow_Fasterrcnn训练自己数据集

mAP指数)4.用VGG16预训练模型对VOC数据集进行训练并测试5.训练自己标注的数据集1.环境塔建复现地址：https://github.com/endernewton/tf-faster-rcnn深度学习环境搭建见文章

码农编程录·2020-06-01 14:16

深度学习-环境配置

转自：江南小赣链接：https://blog.csdn.net/qq_26412763/article/details/90272491win10深度学习环境搭建前言：之前安装各种软件查各种网站弄得特别麻烦

剑客之心·2020-05-23 09:34

1、深度学习环境

1、查看显卡信息1）查看显卡信息：lspci|grep-ivga2）查看详细信息：lspci-v-s02:00.0连接：https://blog.csdn.net/dcrmg/article/details/781467972、概念图显卡：简单理解这个就是我们前面说的GPU，尤其指NVIDIA公司生产的GPU系列，因为后面介绍的cuda,cudnn都是NVIDIA公司针对自身的GPU独家设计的。显

无须想·2020-05-13 13:31

Ubuntu环境下深度学习环境配置不完全指北

1.NVIDIA驱动下载[可选]在NVIDIA驱动下载页面选择并下载与自己显卡匹配的驱动NVIDIA驱动下载页面2.CUDAToolkit下载在NVIDIADeveloper官网找到CUDAToolkit下载页面选择如下配置即可获得CUDAToolkit下载地址CUDAToolkit选项3.cuDNN下载cuDNN需要登录NVIDIADeveloper账号才能下载，登陆后打开cuDNN下载地址cu

smallsung1999·2020-05-03 22:00

Pycharm 远程连接 Docker

docker安装Dockerpycharm连接docker配置pycharm引用：pycharm连接远程linux服务器的docker为什么要用pycharm远程连接，docker使用docker可以节省安装深度学习环境的时间

StarLib·2020-04-24 23:16

docker深度学习环境配置

docker配置深度学习环境是非常容易的，只需要装好nvidia驱动即可，cudann和cuda不需要装。

DaiMorph·2020-04-18 23:24

Win10深度学习环境搭建（TensorFlow/Pytorch）全流程

作者/编辑/配图|橘子来源|橘子AI笔记（ID：datawitch）如果从现在开始决定学习深度学习，写代码、搭建自己的模型，那么准备开发环境将是你艰难的第一步。橘子当时搜必应、查谷歌忘了度娘吧，安装攻略没少看，结果真到自己上手实践的时候，依然碰到了不少问题。本文将尝试站在萌新的视角，尽力还原这一过程中可能碰到的种种问题，希望它能指引着你顺利完成配置过程、帮你省下一些宝贵的时间。01.硬件准备一个完

橘子学AI·2020-04-13 17:06

基于树莓派与YOLOv3模型的人体目标检测小车（二）

上篇文章介绍了如何搭建深度学习环境，在Ubuntu18.04TLS上搭建起了CUDA：9.0+cuDNN7.0+tensorflow-gpu1.9的训练环境。

凌乱533·2020-03-31 16:00

deepin15.7安装tensorflow+cuda9.0+cudnn7

我就是直接更新失败了，最后重装系统才可以，进入系统后各种问题，特别是深度学习环境搭建屡屡失败，很是恼火。耽误了两天时间。

壬我行·2020-03-30 06:21

深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的下载

0.前言本文作者接触深度学习2个月后，开始进行目标检测实践。本文作者的专题《目标检测》链接：https://www.jianshu.com/c/fd1d6f784c1f此专题的宗旨是让基础较为薄弱的新手能够顺利实现目标检测，专题内容偏向于掌握技能，学会工具的使用。本文作者尚未具备清楚讲述目标检测原理的能力，学习原理请自行另找文章。1.不同操作系统的指引本文中演示的操作系统是Win10，本文只演示怎

潇洒坤·2020-03-29 08:03

2 - Ubuntu 16.04 + nvidia + cuda9.1

这是一个系列：1、Ubuntu系统安装2、Ubuntu16.04+nvidia+cuda9.13、Ubuntu基本工作环境+深度学习环境配置4、Ubuntu16.04+SSR一、安

Miliimoulins·2020-03-28 10:10

ArcGIS Pro2.5深度学习环境配置终极版

ArcGISPro2.5深度学习环境配置终极版基于要在ArcGISPro中使用深度学习工具，您需要安装支持的深度学习框架。

GIS哼哈哈·2020-03-27 11:01

从零安装深度学习环境Ubuntu16.0.4+TensorFlow0.11

主机配置：CPU：E31230V5+GPU：EVGAGTX10808GSCACX3.0内存：DDR421338G两根主板：技嘉X150M-PRO-ECC选择Ubuntu16LTS，因为它是一个长期支持版本，而且我的硬件比较新，可能驱动方面在支持和兼容性上面可能会更好另外选择这块主板一个原因是M.2的SSD接口，结果兼容性问题很严重，网上很多都在吐槽二次启动问题，没想到中标了，最后放弃了M.2，老老

TensorData·2020-03-27 08:52

推荐频道

cuda&深度学习环境