[前言]切换不同版本cuda前提须安装多个版本的cudacuda安装可参考CUDA的下载与安装，去Nvidia官网下载安装所需的cuda版本[基于Windows下切换不同版本cuda]：1.修改系统环境变量方法可以参看【CUDA】win10切换不同版本的CUDA，此方法适用于长时间更换cuda版本，若仅需在某个虚拟环境（env）中切换成对应版本，可参照第二点方法2.编写脚本切换cuda版本详细可以参看conda官方文档Windows下设置环境变量  ①由Cmd或Prompt定位到需要切换cuda版本的虚拟环境（env）下：cdC:\ProgramData\Anaconda3\envs\env#

因为做深度学习的研究项目，为全新机器在Ubuntu20.04LTS系统下安装Nvidia显卡驱动、Cuda、Cudnn。并进行CUDA版本切换成功安装完成了，写个记录。1.安装Nvidia显卡驱动步骤一：安装更新软件列表和依赖项在安装Nvidia显卡驱动之前，需要更新软件列表和必要的依赖项。sudoapt-getupdate #更新软件列表sudoapt-getinstallg++ #下载g++编译器sudoapt-getinstallgcc #下载gcc编译器sudoapt-getinstallmake #下载GNUMake编译器sudoapt-getinstallinitramfs

一.读卡规则当服务器有多个GPU时，设置CUDA_VISIBLE_DEVICES环境变量可以改变CUDA程序所能使用的GPU设备。在默认情况下，标号为0的显卡为主卡，如主机中有4块显卡，那么每张显卡的默认标号为[0,1,2,3]。多卡设置规则如下：EnvironmentVariableSyntaxResultsCUDA_VISIBLE_DEVICES=1Onlydevice1willbeseenCUDA_VISIBLE_DEVICES=0,1Devices0and1willbevisibleCUDA_VISIBLE_DEVICES="0,1"Sameasabove,quotationmarks

一.读卡规则当服务器有多个GPU时，设置CUDA_VISIBLE_DEVICES环境变量可以改变CUDA程序所能使用的GPU设备。在默认情况下，标号为0的显卡为主卡，如主机中有4块显卡，那么每张显卡的默认标号为[0,1,2,3]。多卡设置规则如下：EnvironmentVariableSyntaxResultsCUDA_VISIBLE_DEVICES=1Onlydevice1willbeseenCUDA_VISIBLE_DEVICES=0,1Devices0and1willbevisibleCUDA_VISIBLE_DEVICES="0,1"Sameasabove,quotationmarks

最近搞了一块306012G，准备玩一玩秋叶大神的整合包，webui可以正常启动，但只要一跑图，就会报错。看了很多大神的文章，模仿着安装不同版本的python，N卡driver，cudatoolkit，pytorch，能改到的地方都改到了，把能试的错都试了，单从命令行调试来看，一切都正常，但只要一进webui，一跑图，准出错。而且随着不同的折腾，报错信息也有差别，有“TorchuseCudaDSA"，有'TorchnotcompiledwithCUDAenabled',还有好像是torchcannouseGPU(已经不能复现，忘了具体措辞），总之针对每一个报错，我专门进行了解错，但结果要不就是无

 RTX3090算力为8.6，pytorch版本要11.1以上,不然无法让代码在GPU上跑，对应的cuda版本也要更新一，卸载原有的cudasudo/usr/local/cuda-10.0/bin/uninstall_cuda_10.0.plsudorm-rf/usr/local/cuda-10.0二，安装cudacuda11.1网址：CUDAToolkit11.1.0|NVIDIADeveloper选择完后，复制下方链接到Linux终端wgethttps://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/

使用AndroidStudio编译armeabi-v7a,arm64-v8a库文件步骤：1.新建项目2.修改CMakeLists.txt文件12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364#FormoreinformationaboutusingCMakewithAndroidStudio,readthe#documentation:https://d.android.com/studio/projects

在远程服务器安装pytorch，根据官网命令进行安装，但在完成之后，显示GPU不可用，故记录此大坑。一、根据官网进行安装 安装的很快，但是！！安装结束之后，输入以下代码进行安装验证却显示没有成功安装！！importtorch#如果pytorch安装成功即可导入print(torch.cuda.is_available())#查看CUDA是否可用print(torch.cuda.device_count())#查看可用的CUDA数量print(torch.version.cuda)#查看CUDA的版本号所以这表明安装大失败！但是不死心的我又输入以下语句来检查torchcondalist这表明我们

Faster-RCNN模型搭建跑通总结0、前言1、准备操作系统2、安装驱动及cuda2.1、安装驱动2.2、安装cuda3、安装anaconda和pytorch3.1安装anaconda3.1.1为什么推荐安装anaconda而不是pip安装？3.1.2安装anaconda3.1.3配置国内镜像源3.2安装pytorch3.2.1确认要安装的pytorch版本3.2.2安装pytorch3.2.2.1在conda中创建虚拟环境3.2.2.2激活该虚拟环境3.2.2.3在该环境中安装pytorch3.2.2.4确认安装的pytorch版本4、训练faster-rcnn模型4.1下载模型到本地4.

mmcv与cuda、pytorch版本兼容要求，见mmcv官方文档：https://mmcv.readthedocs.io/zh_CN/latest/get_started/installation.html#pip安装部分。目前网页上默认最新版2.x版本，若要切换旧版，点击页面左下角切换即可。查看自己的cuda和torch版本：python-c'importtorch;print(torch.__version__);print(torch.version.cuda)'#pytorch2.0版本需要cuda11.7及以上点击文档链接选择自己所需版本，拷贝对应的安装命令，进行安装注意！！！op