1.下载想要安装的cudnn下载链接：2.下载完成后解压所下载的cudnn压缩包bashtarxvfcudnn10.1osxx64v7.6.2.24.tgz3.复制文件bashsudocpcuda/include//usr/local/cuda/includesudocpcuda/lib//usr/local/cuda/lib64注：cp目录需要根据实际进行修改。

julia是2010年开始面世的语言，作为一个10后，Julia必然有前辈们没有的特点。Julia被期望塑造成原生的有C的运行速度、python的易交互性以及胶水性。最重要的是，julia也是nVidiacuda官方选中的接口语言，这点让cuda编程变得稍微容易一些。

TensorFlow准备JupyterLab交互式笔记本环境，方便我们边写代码、边做笔记。基础环境以下是本文的基础环境，不详述安装过程了。Ubuntuubuntu18.04.5desktopamd64.isoCUDAcuda11.2.2460.32.03linux.runlibcudnn88.1.1.331cuda11.

TensorRT是NVIDIA自家的高性能推理库，其列出了各资料入口，如下：本文基于当前的TensorRT8.2版本，将一步步介绍从安装，直到加速推理自己的ONNX模型。安装进选择版本下载，需注册登录。本文选择了TensorRT8.2.2.1.Linux.x8664gnu.cuda11.4.cudnn8.2.tar.gz，可以注意

好不容易在某电商平台抢到了一块3080显卡，高高兴兴的装机准备大搞游戏开始深度学习，却遇到了很多麻烦，当然经过多方探索，终于也是解决了linux和Windows双平台的兼容性问题，目前Pytorch和TensorFlow都能使用。首先是linux平台最快方法：去NVIDIA官网下载cuda11.1，从这个版本才开始支持30系列显卡。同时记得把cud

若dockerce、nvidia、CUDA等都安装完成之后，开启docker服务时，能够正常运行，并有预测结果，那表示服务开启没问题；若都安装成功之后，用docker命令开启服务时，一直报错，可能表示你没有安装nvidiadocker2：报错信息：tfserving@tfservingKVM:~/model/yolo$docke

1\.CUDA的安装前面已经装过了，可以查看一下$cat/usr/local/cuda/version.txtCUDAVersion8.0.44确认是否安装成功：$cd~/NVIDIA\_CUDA8.0\_Samples/bin/x86\_64/linux/release/$

环境：ubuntu18nvidia430cuda10.0cudnn7.6.0tensorflowgpu2.0.0调用 layers.Conv2D()就报错，报错信息：Epoch1/52019101121:50:00.814925:Itensorflow/stream_executor/p

                                                                       Ubuntu系统又显示nvidiasmi未找到命令　　本来nvidia驱动CUDA安装好用，两次遇到开机发现字体异常，不用合计，是显卡驱动的问题。一查，确实是nvidiasmi未找到命令。

ChangelogOneFlow发布了新版本0.3.2，这个版本以及之前的0.3.1版本都是大版本0.3.0的minor版本，所以在此一并介绍。在这个版本中，引入了大量性能优化、加入了不少新的feature，率先支持了CUDA11.1。主要新功能一览支持亚线性内存优化

环境说明ubuntu16.04cuda10.02080Ti显卡拉取代码和修改编译脚本拉取代码用户先clone代码：gitclonehttps://github.com/torch/distro.git~/torchrecursive通常下载很慢，rec

caffe21.caffe2的安装方法有几种。其中最方便的是condainstall。但是要求必须安装Anaconda。condainstallccaffe2caffe2cuda8.0cudnn7注意：cudnn的版本需要升级，未实验过cudnn5或cudnn6。如果gcc版本小于5，需要指明gcc版本，如：condai

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tenso

udnn安装注意点：cudnn的安装其实很简单，关键点是一定要安装cuda对应的cudnn包，本机中安装的cuda7.5所以对应的cudnn为v5.1这很重要，我就是安装错了版本，导致后面caffe的编译总是出错。cudnn安装步骤：1、从官网上下载cudnn的安装包。2、将安装包解压,将此安装包放在home路径下即可，并在当前路径下