目录一、远程服务器端配置1.宿主机基本环境配置安装ubuntu18.04安装nvidia显卡驱动安装cuda11.0.3安装cudnn2.配置docker安装docker安装NVIDIAContainerToolkit安装镜像创建容器二、内网穿透1.创建zeirtier账号2.在宿主机上安装zerotier3.在本地机上安装zerotier三、本地机端配置1.安装并配置VSCode2.安装Xshell7和Xftp7一、远程服务器端配置宿主机配置为：显卡1070ti，系统ubuntu18.04，cuda11.0.3，cudnn8.0.51.宿主机基本环境配置安装ubuntu18.04安装ubun

目录1.问题描述2.调查和解决2.1初步调查2.2官网安装方法2.3如果还是不匹配呢？1.问题描述        系统：Windows10，CUDA11.1.96        开始学习PyTorch。在用PyTorch进行一个深度学习训练时发现报告以下Warning信息：rank_zero_deprecation(GPUavailable:False,used:FalseTPUavailable:False,using:0TPUcoresIPUavailable:False,using:0IPUsHPUavailable:False,using:0HPUs        有点纳闷。用Tens

    登录服务器后，首先查看下系统版本：cat/proc/version，我们这个服务器有点特殊是arm版本的，通过nvidia-smi查看服务器显卡配置,这意味着我们要安装的cuda版本最高不能超过11.4，那么我们这里选择一个比较稳定的版本cuda11.3。1. anaconda安装：由于cpu不是intel的，需要安装arm版本的anaconda那么肯定会问，为什么要安装它呢：Anaconda是一个打包的集合，官网，它里面预装好了conda、某个版本的python、众多packages、科学计算工具等等。Anaconda支持Linux,Mac,Windows系统，提供了包管理与环境管理

错误显示如下：--CMakeversion:3.10.2--CMakesystemname:Linux--Timestampis2023-11-30T02:41:31ZCMakeErrorat/usr/share/cmake-3.10/Modules/FindPackageHandleStandardArgs.cmake:137(message): CouldNOTfindOpenSSL,trytosetthepathtoOpenSSLrootfolderinthe systemvariableOPENSSL_ROOT_DIR(missing:OPENSSL_CRYPTO_LIBRARY OP

文章目录写在前面安装WSL2Ubuntu22.04LTS准备工作便捷安装手动安装收尾工作换源和系统更新安装gcc、g++、cmakegcc11.4g++11.4cmake3.27安装cuda、cudnn、ncclcuda12.2cudnn8.9.4.25nccl安装anaconda配置githubLinux下使用make从源码编译PaddlePaddle安装必要工具设置python相关的环境变量拉取源码仓库并编译参考文档写在前面恰逢研一开学，在上课之余想利用这可以自己支配的半年时间再扩展一项技能。突然想到自己平常在某乎看到众多帖子均在写pytorch大大小小的坑，于是思来想去，决定支持一下国产

我目前已经习惯了CMAKE，并且正在尝试通过.SO库链接编译一个小型项目。我的项目是以下内容。/CMakeLists.txtinc/Als.hsrc/main.cCMakeLists.txtlib/libals.sobuild/我正在从构建目录中编译：$cmake..--DIR:--Configuringdone--Generatingdone--Buildfileshavebeenwrittento:/home/julien/tmp/cmakeTest/build接着：$makeLinkingCexecutablecmakeTest/usr/bin/ld:nepeuttrouver-lals

😈「CSDN主页」：传送门😈「Bilibil首页」：传送门😈「动动你的小手」：点赞👍收藏⭐️评论📝文章目录概述设置缓存变量使用缓存变量更改缓存变量完整代码示例实战使用技巧注意事项总结与分析

全面介绍CUDA与pytorchcuda实战关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人一、CUDA：定义与演进CUDA（ComputeUnifiedDeviceArchitecture）是由NVIDIA开发的一个并行计算平台和应用编程接口（API）模型。它允许开发者使用NVIDIA的GPU进行高效的并行计算，从而加速计算密集型任务。在这一节中，我们将详细探讨CUDA的定义和其演进过程，重点关注其关键的技术更新和里程碑。CUD

全面介绍CUDA与pytorchcuda实战关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人一、CUDA：定义与演进CUDA（ComputeUnifiedDeviceArchitecture）是由NVIDIA开发的一个并行计算平台和应用编程接口（API）模型。它允许开发者使用NVIDIA的GPU进行高效的并行计算，从而加速计算密集型任务。在这一节中，我们将详细探讨CUDA的定义和其演进过程，重点关注其关键的技术更新和里程碑。CUD

文章目录下载OpenCV-4.5.3源码下载opencv_contrib-4.5.3源码打开cmake-gui选择生成器通过VisualStudio2019打开构建好的.sln工程文件执行编译操作执行安装操作下载OpenCV-4.5.3源码可通过github上下载，网上很多，找到tag标签，选择OpenCV-4.5.3进去后，找到sourceCode.zip。然后点击下载。如下：下载地址进来之后，点击下图中的tags标签也可以找台网络好的Linux云机器上直接输入wgethttps://github.com/opencv/opencv/archive/refs/tags/4.5.3.zip进行