《Deep Learning Series》
  • 深耕系列之深度学习笔记
  • 第一章 Linux学习环境相关配置
    • 1.1 Ubuntu18下有道词典的配置
    • 1.2 Ubuntu18 安装Gitbook
    • 1.3 Ubuntu18 git命令使用总结
    • 1.4 Latex 排版使用笔记
    • 1.5 Ubuntu下常用工具软件配置安装
    • 1.6 win10+ubuntu双系统修复ubuntu启动引导
    • 1.7 gitbook 插件等相关设置
    • 1.8 深度学习环境搭建
    • 1.9 hexo 实现本地图片加载
    • 1.10 hexo网页定制
    • 1.11 sublime text3插件介绍
    • 1.12 vsftpd.conf文件配置
    • 1.13 mysql 笔记
    • 1.14 ubuntu16_18安装peek工具录制gif
    • 1.15 ubuntu下goldendict有道爬虫小程序
    • 1.16 ubuntu18升级后部分应用不能中文输入的问题
    • 1.17 ubuntu下安装有道词典
    • 1.18 opencv 安装
    • 1.19 gym_gazabe安装配置
    • 1.20 docker 基础
    • 1.21 docker_配置权限问题
    • 1.22 jupyternotebook使用
  • 第二章 深度学习相关基础算法
    • 2.1 马尔科夫链
      • 2.1.1 马尔科夫简单模型预测实战笔记
      • 2.1.2 最大熵模型
      • 2.1.3 隐马尔科夫HMM
    • 2.2 矩阵相关基础知识
    • 2.3 线性回归
    • 2.4 决策树
    • 2.5 梯度下降和最小二乘法
    • 2.6 递归算法与迭代算法
    • 2.7 神经网络浅学笔记
    • 2.8 强化学习经验回放
    • 2.9 K近邻算法
    • 2.10 朴素贝叶斯法
    • 2.11 极大似然估计
    • 2.12 logistic regression
  • 第三章 深度学习框架学习
    • 3.1 PyTorch 学习
      • 3.1.2 Pytorch 之MNIST手写字识别分类
    • 3.2 tensorflow学习笔记
      • 3.2.1 tensorflow之MNIST
    • 3.3 matplotlib函数
    • 3.4 numpy函数
  • 第四章 ROS机器人
    • ROS室内仿真环境.md
    • ros and gazebo and gym_gazebo安装
    • ubuntu16 安装gym-gazebo
    • gym-gazebo安装后的测试
    • 基于DQN的gym_gazebo运行代码演示
  • 项目开发
    • Library占座小工具使用手册
  • 附录
    • Python 相关笔记
      • Python 帮助文档检索方法
      • Module篇使用future
    • Git 相关配置
      • git-推送新的文章到github其他分支上
      • gitignre 配置
      • gitignre 配置
      • Hexo 每次写好后deploy博客
      • MFC Socket 通信
      • python之tkinter入坑Pack
      • ubuntu 中安装sublime_text3
      • ubuntu18-正确-安装ShadowSocket
      • vultr+freenom实现主机域名的绑定.md
      • 值得收藏的网站
      • 搜索技巧
      • 第一篇博文
      • 简单的方法,越过付费获取在线的log设计.md
      • 网页设计基础笔记.md
      • 解决Chrome67版本以后不能离线安装插件的情况.md
    • 嵌入式相关笔记
      • STM32串口通信配置
      • STM32复位及通过函数判断是何种条件出发的复位
Powered by GitBook
On this page
  • 摘要
  • 深度学习环境搭建
  • 一、安装CUDA运算平台+NVIDIA驱动
  • 二、安装PyTorch
  • 三、 caffe框架安装

Was this helpful?

  1. 第一章 Linux学习环境相关配置

1.8 深度学习环境搭建

Previous1.7 gitbook 插件等相关设置Next1.9 hexo 实现本地图片加载

Last updated 5 years ago

Was this helpful?

摘要

本文记录了1.8 深度学习环境搭建,安装CUDA,安装NVIDIA驱动,pytorch,caffe框架等等。

文章同步于:

深度学习环境搭建

一、安装CUDA运算平台+NVIDIA驱动

这些安装的方法很简单,官方网站有具体的安装过程,这里一步带过

1.1 软件简介

1.2 安装步骤

二、安装PyTorch

2.1 环境简介

CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA™架构编写程序,C语言是应用最广泛的一种高级编程语言。所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。

----来自百度百科

NVIDIA(纳斯达克股票代码:NVDA)是一家人工智能计算公司 。公司创立于 1993 年,总部位于美国加利福尼亚州圣克拉拉市。Jensen Huang (黄仁勋) 是创始人兼首席执行官。

Ultra:Nvidia的旗舰级产品,为本系列中的最强者。

GTX:其性能介于GTS和Ultra之间。一般为Nvidia首发的高端产品。

GTS:始终为Nvidia第三强的产品(GeForce 2 GTS与GeForce 8800GTS均可展示出来),性能处于GTX之下,与GT相比有些模糊。

GT:频率提升版本"GeForce Technology"的缩写,频率和管线都较LE GS SE XT有较大的提升

GS:相比GT,渲染管线或者显存位宽的缩减,频率一般在GT之下,并且由于规格限制,性能在GT之下。

LE:"Limit Edition"的缩写,表示限制版本,代表某一产系列中的入门级产品,主要是频率和规格均与标准版本相比有一定的下降。

SE:在Nvidia卡中不常出现,与LE相似。

XT:"Cost Down"表示降频率版本,将标准版的频率降低,部分产品削减了管线。

由于我在笔记本上安装的,是NVIDIA GeForce 系列,所以不介绍其他的了。

配有NVIDIA GeForce 系列GPU的台式电脑和笔记本电脑带给用户无法比拟的性能,明快的照片,高清晰的视频回放,和超真实效果的游戏。GeForce 系列的笔记本GPU还包括先进的耗电管理技术,这种技术可以在不过分耗费电池的前提下保证高性能。

2.2 安装方法

Installation Instructions:
`sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb`
`sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub`
`sudo apt-get update`
`sudo apt-get install cuda`

-[x] Ubuntu装好CUDA之后过段时间提示NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver.

直接进入boot引导界面,选择关闭安全模式即可解决。

2.3 使用说明

三、 caffe框架安装

CUDA安装方法:linux中打开终端按照下面代码这个过程走完就好了

CUDA 平台网站
NVIDIA驱动
我的gitbook
CUDA安装
NVIDIA_Instal.jpeg