Ubuntu18.04安装NVIDIA显卡驱动+cuda10.2+cudnn本机环境1相关查询命令一、Ubuntu20.04安装NVIDIA显卡驱动二、Ubuntu20.04安装cuda11.71、安装CUDA11.73、配置CUDA环境变量测试三、cudnn8.4安装参考：https://zhuanlan.zhihu.com/p/59618999https://blog.csdn.net/linhai1028/article/details/79445722/Windows+Ubuntu从双系统安装到CUDAcuDNNdocker配置K21https://blog.csdn.net/qq_4
文章目录背景检测系统是否支持H265视频硬件解码1.**DXVAChecker**2.**GPU-Z**3.**IntelMediaSDK**结论：如果不是chrome浏览器版本太旧的原因，基本可以确认，不能播放H265视频的原因是系统显卡不支持H265视频硬件解码，所以无论给系统装什么解码库，都是没有用的，chrome浏览器只会调用系统硬件做H265硬解，系统上装什么H265解码库，那都是软解，chrome不会去调用的，这在前面引用中已经提到过了。背景截止到2022年9月，chrome只支持H265硬解，不支持软解，从而绕开了H265专利费的问题；因为Intel/AMDCPU厂商已经交了H2
Ubuntu离线安装docker与nvidia-docker安装docker20.10.17安装nvidia-docker和nvidia-container-toolkit修改配置文件docker与nvidia-docker离线安装包https://download.csdn.net/download/guoqingru0311/87884044安装docker20.10.17查看Ubuntu操作系统版本的详细信息，不同的版本所依赖的deb不同。lsb_release-aCodename为：bionic推荐下载地址Ubuntu18.04：https://download.docker.com/
1.更换国内源打开终端，输入指令：wgethttp://fishros.com/install-Ofishros&&.fishros 选择【5】更换系统源，后面还有一个要输入的选项，选择【0】退出，就会自动换源。2.安装NVIDIA驱动这一步最痛心了家人们，网上的教程太多了，我总是想着离线安装，每次安装都无法开机，要不就卡在锁屏界面，要不就黑屏，要不就卡在snaped界面，重装系统装了七八次终于成功了！1.点击左下角那9个点，找到软件更新，点击。2.找到附加驱动，选择一个你需要的nvidiadriver版本注意：安装的版本号后面是没有东西的，不要选择“-server”或者“-open”然后重启
AI是由很多层计算组成的，每一层计算都无差别地计算所有的节点，甚至是对所有的节点的排列组合。由于没有局部性，运行内存需要能够放得下一整个模型至少一层的运算量。如果运行内存不够大，就得把运算好的数据存储起来，放在外存，然后在外存读出没有运算的数据继续算，那这IO就太频繁了，耗时会很大。以下是AI模型对显卡的要求参数ai绘画对显卡的要求：跑AI画图就是跑算法，跑算法依赖GPU，也就是显卡。显卡一般需要N卡（Nvidia），不建议A卡（AMD）。最低配置是NvidiaGTX1060（4G显存以上），勉强能跑AI画图，一张20steps步数的图大概30-60秒生成。建议配置是NvidiaGTX3060
安装docker参考这篇文章：Ubuntu22.04安装docker-掘金安装nvidia-docker参考这篇文章：Ubuntu22.04LTS:NVIDIAContainerToolkit:Install:ServerWorld流程：curl-s-Lhttps://nvidia.github.io/nvidia-docker/gpgkey|apt-keyadd-curl-s-Lhttps://nvidia.github.io/nvidia-docker/ubuntu22.04/nvidia-docker.list>/etc/apt/sources.list.d/nvidia-docker.
文章目录前言系统环境WSL1和WSL2功能对比安装WSL2更新和升级包配置VSCode配置GPU加速安装Nvidia驱动安装CudaToolkit通过PyTorch安装CUDAToolkit测试Nvcc参考链接前言以前捣鼓过wsl，即Windows下的Linux子系统，但兼容性依然比不过原生的Linux系统，使用cmake等命令会出现奇怪的问题。最近听说wsl2出来了，而且也可以在wsl上安装nvidia显卡驱动了，有网友实测跑深度学习模型速度能比Windows的快一倍左右，哈哈这就必须得捣鼓捣鼓了，如果兼容性真的没问题的话，那可比虚拟机或双系统要爽多了~目前还发现，微软官网对wsl的使用教程
英伟达在2023年全球超算大会上发布了备受瞩目的新一代AI芯片——H200TensorCoreGPU。相较于上一代产品H100，H200在性能上实现了近一倍的提升，内存容量翻倍，带宽也显著增加。据英伟达称，H200被冠以当世之最的芯片的称号。不过，根据发布的信息来看，H200TensorCoreGPU并没有让人感到意外。在2023年8月30日，英伟达就发布了搭载HBM3e技术的GH200GraceHopper的消息，而HBM3e也是H200芯片的升级重点。HBM3E——H200升级重点NVIDIAH200是首款提供HBM3e的GPU，HBM3e是更快、更大的内存，可加速生成式AI和大型语言模型
文章目录1.显卡驱动1.1.各版本下载地址1.2.各版本文档地址1.3.安装、卸载方式2.CUDA2.1.各版本下载地址2.2.各版本文档地址2.3.安装、卸载方式2.4.多版本CUDA切换方式1.显卡驱动1.1.各版本下载地址https://www.nvidia.com/Download/Find.aspx?lang=zh-cn1.2.各版本文档地址在下载页面选择具体驱动版本后，在其他信息框即可找到README文档链接1.3.安装、卸载方式以535.129.03版本为例（文档地址：https://download.nvidia.com/XFree86/Linux-x86_64/535.129
Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch安装Nvidia显卡驱动安装CUDA安装cuDNN安装VSCode安装Anaconda并更换源在虚拟环境中安装GPU版本的PyTorchReference这篇博文主要介绍的是Ubuntu22.04系统中软件、显卡驱动、cuda、cudnn、pytorch等软件和环境的安装和配置，在上一篇博文Ubuntu22.04双系统安装、配置及常用设置中介绍了Ubuntu22.04双系统的安装、配置、终端常用操作的快捷键以及一些常用设置（如同步时间、更改启动默认项、添加右击新建文件选项、创建桌面快捷方式等），有需要的可自行点击
