因为一开始装的时候没有搞清楚安装逻辑，走了很多弯路。所以现在简述一下我的安装思路。可能存在错误，但结果最后我装好了。1.确认自己电脑独立显卡是否为NVIDIA我的台式电脑：（没有NVIDIA） 我的笔记本电脑：（没有NVIDIA）所以我的这两台设备都只能安装cpu版本的torch,cuda版本的可以放弃，因为我试过都没装好，还做过比如安装NVIDIA驱动器无用的操作。在官网生成torchcpu安装命令。condainstallpytorchtorchvisiontorchaudiocpuonly-cpytorch这里我用的是官网的源，有很多博主使用清华源，但是我清华源镜像怎么都访问不到。2.准
因为一开始装的时候没有搞清楚安装逻辑，走了很多弯路。所以现在简述一下我的安装思路。可能存在错误，但结果最后我装好了。1.确认自己电脑独立显卡是否为NVIDIA我的台式电脑：（没有NVIDIA） 我的笔记本电脑：（没有NVIDIA）所以我的这两台设备都只能安装cpu版本的torch,cuda版本的可以放弃，因为我试过都没装好，还做过比如安装NVIDIA驱动器无用的操作。在官网生成torchcpu安装命令。condainstallpytorchtorchvisiontorchaudiocpuonly-cpytorch这里我用的是官网的源，有很多博主使用清华源，但是我清华源镜像怎么都访问不到。2.准
7月16日消息，NVIDIARTX40系列已经基本布局完毕，AMDRX7000系列却依然只有高端大核心Navi31RX7900系列、主流小核心Navi33RX7600。那么，高端的中等核心Navi32，以及对应的RX7800、RX7700系列去哪儿了呢？RTX4070、RTX4060Ti可是等待已久了。有说法称，Navi21核心的RX6900/6800系列库存太多，导致新一代产品只能拖着。也有说法称，Navi32核心开发进展不顺，只能慢慢等。据曝料大神MLID的最新说法，Navi32核心已经完成了开发工作，也有了可正常工作的驱动程序，不过产品线划分、型号命名已经多次变更，还有可能继续变。目前的
window中需要进入到nvidia-smi所在的位置才可以使用该命令其所在位置为：C:\ProgramFiles\NVIDIACorporation\NVIDIANsightCompute1.0进入到该路径后直接使用vidia-smi即可看到相应的显卡信息如下图所示如上图所示，其中包含显卡和cuda信息另外，在windows下可以使用dir命令查看当前路径下包含的文件及路径与linux中的ls类似从上图可以看到NVIDIACorporation路径下包含5个目录，其中就有NVIDIANsightCompute1.0
随着这两年芯片制程的快速提升，原有的老服务器在各方面性能都逐渐落后了。AMDzen4架构CPU制程提升到了5nm，内存升级到了DDR5并且提升了ECC纠错能力，显卡的话4nm的4090单从算力上也已经超越了A100，所以帮实验室装了一台5w以内极具性价比的zen47950x，DDR5内存，pcie4.0nvme固态和双卡4090组的服务器。配置选择名称链接价格主板华硕ROGx670E-E京东链接6998CPUAMDR97950x内存金士顿DDR56000频64g内存套条x2京东链接3598显卡微星超龙RTX409024g(买两张)京东链接31998固态硬盘西部数据SN850x黑盘2TB京东链接
文章目录硬性要求StableDiffusion简介StableDiffusionWebUI简介1.安装Python3.10.6（较新版本的Python不支持torch）2.安装Git3.下载stable-diffusion-webui存储库（此步二选一）3.1NVIDIAGPU3.2AMDGPU4.webui-user.bat以普通非管理员用户身份从Windows资源管理器运行小技巧汉化参考链接硬性要求操作系统win10及以上若只有独显，则显存至少4GB若只有核显/集显，则内存至少16GB友情提示：AMD显卡也能用，但训练目前不起作用，但多种功能/扩展可以起作用，例如LoRA和controln
1.Halcon22.11下载官网下载安装包（需要注册才能下载）提示：它和VS2019联合开发，所以要安装VS2019 具体安装步骤参考：https://zhuanlan.zhihu.com/p/5903526322.CUDA、cudnn下载准备 相关的安装包比如CUDA、cudnn版本需要下载到本地安装。 CUDA版本选择，已本人的为例：在NVIDIA控制面板可以看到RTX3060驱动目前最高支持CUDA11.7版本实测：目前RTX3060不支持CUDA11以下版本；cuda的算力要支持你的显卡算力：RTX3060显卡算力8.6。本人选择的CUDA11.7版本，下载对应算力cudnn8.6版
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表一、TensorFlow对应版本对照表版本Python版本编译器cuDNNCUDAtensorflow-2.9.03.7-3.108.111.2tensorflow-2.8.03.7-3.108.111.2tensorflow-2.7.03.7-3.98.111.2tensorflow-2.6.03.6-3.9GCC7.3.18.111.2tensorflow-2.5.03.6-3.9GCC7.3.18.111.2tensorflow-2.4.03.6-3.8GCC7.3.18.011.0tensorflow
docker容器起不来，Nvidia驱动相关问题1.具体报错Errorresponsefromdaemon:OCIruntimecreatefailed:container_linux.go:380:startingcontainerprocesscaused:process_linux.go:545:containerinitcaused:Runninghook#0::errorrunninghook:exitstatus1,stdout:,stderr:Auto-detectedmodeas'legacy'nvidia-container-cli:initializationerror:n
新安装的Ubuntu20.04系统，如果想进行人工智能相关的学习，需要配置一系列的环境，这里我记录下具体的安装过程。Nvidia显卡驱动的安装1安装前需要安装依赖(必须执行)sudoapt-getupdate#更新软件列表#安装编译依赖sudoapt-getinstallg++sudoapt-getinstallgccsudoapt-getinstallmake2查看自己的GPU型号，这个如果自己知道，其实没必要，如果不确定，可以用下面的命令进行查看lspci|grep-Ei'(vga|display)'或者lspci|grep-invidia或者lspci|grep-ivga3Nvidia官
