目录开始安装零，获取代理一，配置代理配置zsh走代理配置git走代理二，安装homebrew三，安装miniforge四，创建conda环境五，安装pytorch六，运行yolov5六，测试AppleSilicon的MPSGPU加速测试yolov5的mps加速测试resnet50的mps加速对比测试1080ti，3700x总结开始安装笔者使用的是一台M2版本的MacbookAir，虽然苹果作为深度学习的训练机不太合适，但是由于macbook作为打字机实在是无可挑剔，所以使用macbook调试一下pytorch的代码再放到集群上训练或者直接在mac上调试运行代码都是不错的体验，本文以在mac上直
之前想使用指定的GPU训练模型，查网上的帖子一般是通过设置环境变量来实现的，然后自己试了一下，在debug的时候发现无论怎么弄显示的device都是‘cuda:0’： 也没有多思考，于是就放弃了设置环境变量来指定GPU的方式，改为用以下方式来指定：device=torch.device("cuda:5")data=data.to(device)model=model.to(device) 在debug的时候，发现模型和数据都非常舒服的装载到了自己想要得gpu上，但是感觉这种方法多少有点麻烦，当有多个文件调用的时候，还要把device做为参数传来传去的，很不便捷。
之前想使用指定的GPU训练模型，查网上的帖子一般是通过设置环境变量来实现的，然后自己试了一下，在debug的时候发现无论怎么弄显示的device都是‘cuda:0’： 也没有多思考，于是就放弃了设置环境变量来指定GPU的方式，改为用以下方式来指定：device=torch.device("cuda:5")data=data.to(device)model=model.to(device) 在debug的时候，发现模型和数据都非常舒服的装载到了自己想要得gpu上，但是感觉这种方法多少有点麻烦，当有多个文件调用的时候，还要把device做为参数传来传去的，很不便捷。
本文介绍在anaconda中安装pytorch。最近因为学习需要，要下载pytorchGPU版本来训练网络。相信pytorch大家都不陌生了，PyTorch是一个Torch7团队开源的Python优先的深度学习框架，提供两个高级功能：强大的GPU加速Tensor计算（类似numpy）构建基于tape的自动升级系统上的深度神经网络于是我在网上查了对应版本，在anaconda中创建了虚拟环境，然后到pytorch官网复制了conda命令安装，结果却遇到许多问题。上网查了查，很多文章都是修改源，或者更换镜像，然后增加报错时间等方法，然而许多我尝试之后都不成功，出现各种报错，还浪费很多时间。最后直接下
本文介绍在anaconda中安装pytorch。最近因为学习需要，要下载pytorchGPU版本来训练网络。相信pytorch大家都不陌生了，PyTorch是一个Torch7团队开源的Python优先的深度学习框架，提供两个高级功能：强大的GPU加速Tensor计算（类似numpy）构建基于tape的自动升级系统上的深度神经网络于是我在网上查了对应版本，在anaconda中创建了虚拟环境，然后到pytorch官网复制了conda命令安装，结果却遇到许多问题。上网查了查，很多文章都是修改源，或者更换镜像，然后增加报错时间等方法，然而许多我尝试之后都不成功，出现各种报错，还浪费很多时间。最后直接下
目录安装cuda下载cuDNN包cuda配置验证pycharm内下载gpu版TensorFlow安装cuda下载链接：https://developer.nvidia.cn/cuda-downloads?直接安装，首先提取在temp目录：这个temp目录在退出安装以及安装完成后会自动删除，如果没有，我们也可以手动将其删除提取完成后，就进入安装步骤直接精简安装即可，省事快捷，占点储存空间在现在也不是个事。安装好cuda后，会提示重启。重启完成后，安装成功。cuda安装好之后，会新建两个环境变量CUDA_PATH以及CUDA_PATH_V11_8：注意，有教程说，cuda会生成NVCUDASAMP
目录安装cuda下载cuDNN包cuda配置验证pycharm内下载gpu版TensorFlow安装cuda下载链接：https://developer.nvidia.cn/cuda-downloads?直接安装，首先提取在temp目录：这个temp目录在退出安装以及安装完成后会自动删除，如果没有，我们也可以手动将其删除提取完成后，就进入安装步骤直接精简安装即可，省事快捷，占点储存空间在现在也不是个事。安装好cuda后，会提示重启。重启完成后，安装成功。cuda安装好之后，会新建两个环境变量CUDA_PATH以及CUDA_PATH_V11_8：注意，有教程说，cuda会生成NVCUDASAMP
iTOP-RK3568开发板烧写Linux_NVR_SDK镜像，在串口终端输入以下命令查看NPU/GPU/CPU频率使用率。1输入以下命令挂载debug，只有挂载debug才可以查看NPU/GPU/CPU频率使用率。mount-tdebugfsdebugfs/sys/kernel/debugmount|grepdebug2输入以下命令查看NPU频率：cat/sys/kernel/debug/clk/clk_scmi_npu/clk_rate3查看GPU频率，输入以下命令cat/sys/kernel/debug/clk/clk_scmi_gpu/clk_rate或者输入以下命令查看GPU频率ca
iTOP-RK3568开发板烧写Linux_NVR_SDK镜像，在串口终端输入以下命令查看NPU/GPU/CPU频率使用率。1输入以下命令挂载debug，只有挂载debug才可以查看NPU/GPU/CPU频率使用率。mount-tdebugfsdebugfs/sys/kernel/debugmount|grepdebug2输入以下命令查看NPU频率：cat/sys/kernel/debug/clk/clk_scmi_npu/clk_rate3查看GPU频率，输入以下命令cat/sys/kernel/debug/clk/clk_scmi_gpu/clk_rate或者输入以下命令查看GPU频率ca
一、驱动软件准备：从nvidia网站下载驱动，注意，和普通显卡下载驱动地址不同。按照ESXi对应版本不同下载不同的安装包。安装包内含ESXi主机驱动和虚拟机驱动。GPU显卡和物理服务器兼容查询：（重要：一定要查兼容，最近遇到一客户反馈安装驱动后运行nvidia-smi各种报错，最后查询是因为不兼容导致。）https://www.nvidia.com/zh-cn/data-center/resources/vgpu-certified-servers/二、安装显卡驱动1、将驱动vib上传到主机的/tmp目录下，开启SSH服务，并将主机进入维护模式，使用如下命令esxclisoftwarevibi
