问题背景1.一切正常开发Go服务过程中，经过一个周末，周一回来上班执行gomodtidy和goget...升级依赖库，都会报出exitstatus128:git@gitlab.******.me:Permissiondenied(publickey).错误。在之前都是OK的。2.通过git与私仓进行拉取和push都是没有任何错误的3.确定被依赖库已经被正确的发布，因为其他同事可以正常更新。具体问题github.com/onsi/ginkgo/config:gitlab.****.me/***/****@v0.1.10:readinggitlab.****.me/****/*****/go.mo
问题背景1.一切正常开发Go服务过程中，经过一个周末，周一回来上班执行gomodtidy和goget...升级依赖库，都会报出exitstatus128:git@gitlab.******.me:Permissiondenied(publickey).错误。在之前都是OK的。2.通过git与私仓进行拉取和push都是没有任何错误的3.确定被依赖库已经被正确的发布，因为其他同事可以正常更新。具体问题github.com/onsi/ginkgo/config:gitlab.****.me/***/****@v0.1.10:readinggitlab.****.me/****/*****/go.mo
目录1.VerilogLanguage1.1Basics1.1.1Simplewire1.1.2fourwires1.1.3Inverter1.1.4ANDgate 1.1.5Norgate1.1.6Xnorgate1.1.7Wiredecl1.1.874581.2 Vectors1.2.1Vectors1.2.2Vectorsinmoredetail1.2.3Vectorpartselect1.2.4Bitwiseoperators1.2.5Four-inputgates1.2.6Vectorconcatenationoperator1.2.7Vectorreversal11.2.8Repl
目录1.VerilogLanguage1.1Basics1.1.1Simplewire1.1.2fourwires1.1.3Inverter1.1.4ANDgate 1.1.5Norgate1.1.6Xnorgate1.1.7Wiredecl1.1.874581.2 Vectors1.2.1Vectors1.2.2Vectorsinmoredetail1.2.3Vectorpartselect1.2.4Bitwiseoperators1.2.5Four-inputgates1.2.6Vectorconcatenationoperator1.2.7Vectorreversal11.2.8Repl
场景描述搞深度学习时需要先搭建环境，需要折腾显卡驱动、cuda、cudnn、以及各种深度学习框架（TensorFlow、Pytorch等）。光听这些名词有好些人都迷糊了，更不要提解决他们之间的不兼容，完成环境搭建了。这里先简单解释上述名词，不求高深与专业，理解他们处于什么位置就行。通俗解释显卡：一块焊了GPU芯片的电路板，上面还有电容电阻以及其他辅助芯片。因为有些复杂计算CPU效率太低了，所以放在GPU中执行运算。类比的，cpu主板也就是一块焊了CPU、辅助芯片、电容电阻的电路板。至于独立显卡与集成显卡的概念，自己查吧。显卡驱动：GPU是硬件，操作系统怎么识别并与它传输数据呢？这就需要在操作系
场景描述搞深度学习时需要先搭建环境，需要折腾显卡驱动、cuda、cudnn、以及各种深度学习框架（TensorFlow、Pytorch等）。光听这些名词有好些人都迷糊了，更不要提解决他们之间的不兼容，完成环境搭建了。这里先简单解释上述名词，不求高深与专业，理解他们处于什么位置就行。通俗解释显卡：一块焊了GPU芯片的电路板，上面还有电容电阻以及其他辅助芯片。因为有些复杂计算CPU效率太低了，所以放在GPU中执行运算。类比的，cpu主板也就是一块焊了CPU、辅助芯片、电容电阻的电路板。至于独立显卡与集成显卡的概念，自己查吧。显卡驱动：GPU是硬件，操作系统怎么识别并与它传输数据呢？这就需要在操作系
博主已有：Pycharm+Anaconda通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)importtorchprint(torch.cuda.is_available())print(torch.__version__)print(torch.version.cuda)True1.8.010.2目录1.确定自己电脑有无显卡2.确定显卡支持的cuda最高版本3.下载安装cuda4.安装cuDNN 5.安装Pytorch(重要！易踩坑！）6.pycharm切换不了环境问题7.总结 今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框
博主已有：Pycharm+Anaconda通过这篇博客你将获得：Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)importtorchprint(torch.cuda.is_available())print(torch.__version__)print(torch.version.cuda)True1.8.010.2目录1.确定自己电脑有无显卡2.确定显卡支持的cuda最高版本3.下载安装cuda4.安装cuDNN 5.安装Pytorch(重要！易踩坑！）6.pycharm切换不了环境问题7.总结 今天是三月1日，开学的第一周，这个学期准备进军深度学习，主打的框
声明：记录这篇文章，只是为了补充说明一下英伟达官网安装步骤。官方安装指导链接：InstallationGuide::NVIDIADeepLearningcuDNNDocumentation1.简单概述一下安装步骤1）先下载cuDNN的.deb本地安装包：链接：cuDNNArchive|NVIDIADeveloper 注意下载是需要注册一个Nvidia的账号的，下载最新版即可，它是支持CUDA11.x的，兼容CUDA11系列，这里提供一下我获取的下载链接，不知道能不能不登录账号直接下载：Login|NVIDIADeveloper 有一点需要注意的，我在wsl子系统中直接用wget下载，多次试验
声明：记录这篇文章，只是为了补充说明一下英伟达官网安装步骤。官方安装指导链接：InstallationGuide::NVIDIADeepLearningcuDNNDocumentation1.简单概述一下安装步骤1）先下载cuDNN的.deb本地安装包：链接：cuDNNArchive|NVIDIADeveloper 注意下载是需要注册一个Nvidia的账号的，下载最新版即可，它是支持CUDA11.x的，兼容CUDA11系列，这里提供一下我获取的下载链接，不知道能不能不登录账号直接下载：Login|NVIDIADeveloper 有一点需要注意的，我在wsl子系统中直接用wget下载，多次试验
