文章目录前言一、安装显卡驱动二、安装cuda三、安装cudnn总结前言前段时间被派到现场去部署算法，之前同事搭好cuda的环境不好用了，具体表现为：1.屏幕的分辨率显示很奇怪且不可调节2.输入nvidia-smi命令，显示FailedtoinitializeNVML:Driver/libraryversionmismatch错误不得以在现场重装了显卡驱动、cuda与cudnn，故以本文记之。一、安装显卡驱动这里介绍笔者感觉比较方便的一种方法在终端输入：ubuntu-driversdevices，得到有关本机显卡其驱动的相关信息，如图所示（因为本地服务器已经安装了驱动，这里笔者通过SSH只做过程

漏洞描述：深信服应用交付管理系统文件sys_user.conf可在未授权的情况下直接访问，导致账号密码泄漏漏洞利用条件:sys_user.conf可在未授权的情况下直接访问漏洞影响范围：深信服应用交付管理系统漏洞复现：1、登录页面 2、poc：/tmp/updateme/sinfor/ad/sys/sys_user.conf 修复建议：关闭非必要接口   2.关注厂商升级补丁

 Ubuntu22.04系统在安装pytorch3d库时出现了报错信息：RuntimeError:ThedetectedCUDAversion(11.7)mismatchestheversionthatwasusedtocompilePyTorch(10.2).PleasemakesuretousethesameCUDAversions.在终端查看显卡信息(指令nvidia-smi)：查看CUDA版本，此处是11.7 根据报错信息，我现在的虚拟环境下的CUDA版本（11.7）和当前的pytorch版本不匹配。在终端查看当前虚拟环境下的pytorch版本（指令condalist），发现pytor

一、背景介绍原则上，Pytorch不支持对张量的求导，即如果z是张量的话，需要先将其转为标量。浏览了很多博客，给出的解决方案都是说在求导时，加一个torch.ones_like(z)的参数。下面给出一个实例来分析一下torch.ones_like(z)的作用。简而言之，torch.ones_like(z)相当于在对z进行求导时，对z中的元素进行求和操作，从而将其转为一个标量，便于后续的求导。二、实例分析▶代码1：#参考链接：#https://blog.csdn.net/qq_39208832/article/details/117415229#https://www.cnblogs.com/p

cuda版本1、win+r+cmd打开控制面板2、输入nvcc--versioncudnn版本找到自己电脑cuda的安装路径下的cudnn_version.h文件路径，比如我的在C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v11.6\include下，然后用记事本打开cudnn_version.h，就能看到cudnn版本。

1.查看cuda版本win+R+enter回车,再输入cmd进入命令行，再输入nvcc--version或者输入nvcc-V即可得到cuda的版本，如图我的cuda版本是10.2查看cudnn版本进入目录查看cudnn_version.h文件一般放在：C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v10.2\include\cudnn_version.h（这里的v10.2中的10.2是我cuda的版本，每个人可能不一样）那么接下来就是打开cudnn_version.h来查看版本，不要双击打开，不然会出现以下情形，无论是记事本还是word都打不开：

参考：https://blog.csdn.net/qq_43215538/article/details/123852028文章目录安装cuda下载cuDNN安装tensorflow-gpu安装cuda首先查看本机GPU对应的cuda版本，如下图所示，本机cuda版本为11.6，后面选择的cuda版本不要超过这里的版本就好。https://developer.nvidia.com/cuda-toolkit-archive选择相应的cudatoolkit版本下载，如这里选择版本一定要注意，因为cuda版本会决定你下载的cudnn和tensorflow-gpu版本，若不一致，会出现版本不匹配等问题

参考：https://blog.csdn.net/qq_43215538/article/details/123852028文章目录安装cuda下载cuDNN安装tensorflow-gpu安装cuda首先查看本机GPU对应的cuda版本，如下图所示，本机cuda版本为11.6，后面选择的cuda版本不要超过这里的版本就好。https://developer.nvidia.com/cuda-toolkit-archive选择相应的cudatoolkit版本下载，如这里选择版本一定要注意，因为cuda版本会决定你下载的cudnn和tensorflow-gpu版本，若不一致，会出现版本不匹配等问题

?项目专栏：【深度学习时间序列预测案例】零基础入门经典深度学习时间序列预测项目实战（附代码+数据集+原理介绍）文章目录前言一、基于PyTorch搭建LSTM模型实现风速时间序列预测二、配置类三、时序数据集的制作四、数据归一化五、数据集加载器六、搭建LSTM模型七、定义模型、损失函数、优化器八、模型训练九、可视化结果完整源码前言?最近很多订阅了?《深度学习100例》?的用户私信咨询基于深度学习实现时间序列的相关问题，为了能更清晰的说明，所以建立了本专栏专门记录基于深度学习的时间序列预测方法

?项目专栏：【深度学习时间序列预测案例】零基础入门经典深度学习时间序列预测项目实战（附代码+数据集+原理介绍）文章目录前言一、基于PyTorch搭建LSTM模型实现风速时间序列预测二、配置类三、时序数据集的制作四、数据归一化五、数据集加载器六、搭建LSTM模型七、定义模型、损失函数、优化器八、模型训练九、可视化结果完整源码前言?最近很多订阅了?《深度学习100例》?的用户私信咨询基于深度学习实现时间序列的相关问题，为了能更清晰的说明，所以建立了本专栏专门记录基于深度学习的时间序列预测方法