（补档）（自用留存）(有问题欢迎互相交流)一、安装Anaconda官网链接（默认新版）：Anaconda|TheWorld'sMostPopularDataSciencePlatform官网老版本：Indexof/(anaconda.com)老版本同时显示对应Python版本：Oldpackagelists—Anacondadocumentation国内镜像：Indexof/anaconda/archive/|北京外国语大学开源软件镜像站|BFSUOpenSourceMirror纯点next，记得勾选“”选择PATH加入路径“” 安装完，点开开始菜单，打开AnacondaPrompt，有显示b
在学习的过程中，很多同学会因为没有带GPU的电脑影响了模型训练从而影响学习；此文详细介绍如何通过云服务器租用GPU进行模型训练，得到模型权重参数。大家在身边没有GPU服务器，或者算力不够的情况下，也可以采用这些云端算力平台进行使用。本次课程采用的算力平台主要是AutoDL AI算力云，官网链接是：AutoDL-品质GPU租用平台-租GPU就上AutoDL。1.点击右上角的“注册”选项先进行注册。2.注册成功后，进入算力市场。可以看到不同区域，空闲的一些GPU服务器，每台服务器的显卡和算力都不相同，大家可以根据自己的需求进行选择。 3.可以看到不同区域，空闲的一些GPU服务器，每台服务器的显卡和
在学习的过程中，很多同学会因为没有带GPU的电脑影响了模型训练从而影响学习；此文详细介绍如何通过云服务器租用GPU进行模型训练，得到模型权重参数。大家在身边没有GPU服务器，或者算力不够的情况下，也可以采用这些云端算力平台进行使用。本次课程采用的算力平台主要是AutoDL AI算力云，官网链接是：AutoDL-品质GPU租用平台-租GPU就上AutoDL。1.点击右上角的“注册”选项先进行注册。2.注册成功后，进入算力市场。可以看到不同区域，空闲的一些GPU服务器，每台服务器的显卡和算力都不相同，大家可以根据自己的需求进行选择。 3.可以看到不同区域，空闲的一些GPU服务器，每台服务器的显卡和
报错情况报错一在任意python文件下运行这几行命令print("是否可用：",torch.cuda.is_available())#查看GPU是否可用print("GPU数量：",torch.cuda.device_count())#查看GPU数量print("torch方法查看CUDA版本：",torch.version.cuda)#torch方法查看CUDA版本print("GPU索引号：",torch.cuda.current_device())#查看GPU索引号print("GPU名称：",torch.cuda.get_device_name(1))#根据索引号得到GPU名称输出、报
报错情况报错一在任意python文件下运行这几行命令print("是否可用：",torch.cuda.is_available())#查看GPU是否可用print("GPU数量：",torch.cuda.device_count())#查看GPU数量print("torch方法查看CUDA版本：",torch.version.cuda)#torch方法查看CUDA版本print("GPU索引号：",torch.cuda.current_device())#查看GPU索引号print("GPU名称：",torch.cuda.get_device_name(1))#根据索引号得到GPU名称输出、报
简介前几天捣鼓了一下Ubuntu，正是想用一下我旧电脑上的N卡，可以用GPU来跑代码，体验一下多核的快乐。还好我这破电脑也是支持Cuda的：$sudolshw-Cdisplay*-displaydescription:3Dcontrollerproduct:GK208M[GeForceGT740M]vendor:NVIDIACorporationphysicalid:0businfo:pci@0000:01:00.0version:a1width:64bitsclock:33MHzcapabilities:pmmsipciexpressbus_mastercap_listromconfigur
简介前几天捣鼓了一下Ubuntu，正是想用一下我旧电脑上的N卡，可以用GPU来跑代码，体验一下多核的快乐。还好我这破电脑也是支持Cuda的：$sudolshw-Cdisplay*-displaydescription:3Dcontrollerproduct:GK208M[GeForceGT740M]vendor:NVIDIACorporationphysicalid:0businfo:pci@0000:01:00.0version:a1width:64bitsclock:33MHzcapabilities:pmmsipciexpressbus_mastercap_listromconfigur
简介前几天捣鼓了一下Ubuntu，正是想用一下我旧电脑上的N卡，可以用GPU来跑代码，体验一下多核的快乐。还好我这破电脑也是支持Cuda的：$sudolshw-Cdisplay*-displaydescription:3Dcontrollerproduct:GK208M[GeForceGT740M]vendor:NVIDIACorporationphysicalid:0businfo:pci@0000:01:00.0version:a1width:64bitsclock:33MHzcapabilities:pmmsipciexpressbus_mastercap_listromconfigur
简介前几天捣鼓了一下Ubuntu，正是想用一下我旧电脑上的N卡，可以用GPU来跑代码，体验一下多核的快乐。还好我这破电脑也是支持Cuda的：$sudolshw-Cdisplay*-displaydescription:3Dcontrollerproduct:GK208M[GeForceGT740M]vendor:NVIDIACorporationphysicalid:0businfo:pci@0000:01:00.0version:a1width:64bitsclock:33MHzcapabilities:pmmsipciexpressbus_mastercap_listromconfigur
玩转OpenPose【玩转OpenPose】编译篇一、开发环境二、下载与安装2.1CUDA（用于高性能计算）与CUDNN（用于深度神经网络计算的支持）2.2下载Cmake2.3下载0penPose源码2.4下载caffe-openpose源码2.5下载pybind11源码三、编译OpenPose(以上步骤完成-开始编译)3.1编译GPU3.2编译CPU3.3demo测试（GPU版和CPU版都相同）四、建立OpenPoseDemo项目4.1先创建项目，建立bin目录和models目录，bin目录放依赖的相关文件，models放模型文件。4.2将build_GPU(build_CPU)/x64/R
