目录查看CUDA驱动版本卸载旧版CUDA安装CUDA安装完成查看CUDA驱动版本查看当前安装的CUDA版本，当前CUDA版本为10.1nvcc-V查看显卡驱动，以及支持的CUDA的最高版本，这里的12.0指的是可驱动的最高版本。下载CUDA的版本应低于12.0nvidia-smi卸载旧版CUDA控制面板中卸载CUDA安装CUDA在CUDA官网选择符合要求的版本安装由于我安装的pytorch对应的CUDA版本是11.7，所以我选择11.7.1版本importtorchtorch.cuda.is_available()#查看pytorch是否支持CUDAtorch.cuda.device_coun
分类目录：《深入浅出Pytorch函数》总目录相关文章：·深入浅出TensorFlow2函数——tf.exp·深入浅出TensorFlow2函数——tf.math.exp·深入浅出Pytorch函数——torch.exp·深入浅出PaddlePaddle函数——paddle.exp对输入input逐元素进行以自然数eee为底指数运算。语法torch.exp(input,*,out=None)→Tensor参数input：[Tensor]输入的向量。out：[可选，Tensor]输出的向量。返回值与x维度相同、数据类型相同的Tensor。实例importpaddle>>>torch.exp(to
缓存不够！！！！并非内存容量不够错误提示：torch.cuda.0utofMemoryError:CUDAoutofmemory.Triedtoallocate2.00MiB(PU0;23.69GiBtotalcapacity;237BiBalreadyallocated;18.38MiBfre;2.50GiBreservedintotalbyPyTorch)Ifreservedmemoryis>>allocatedmemorytrysettingmax_split_size_mbtoavoidfragmentation.SeedocumentationforMemoryManagementa
Pytorch警告记录：UserWarning:Usingatargetsize(torch.Size([]))thatisdifferenttotheinputsize(torch.Size([1]))我代码中造成警告的语句是：value_loss=F.mse_loss(predicted_value,td_value)#predicted_value是预测值，td_value是目标值，用MSE函数计算误差原因：mse_loss损失函数的两个输入Tensor的shape不一致。经过reshape或者一些矩阵运算以后使得shape一致，不再出现警告了。
我在配置VS和CUDA的过程中，出现了差错，因此不得不卸载CUDA，下面是卸载CUDA的教程，亲测有效。教程1.windows自带的控制面板，用来卸载主程序windows自带的控制面板，用来卸载主程序。在控制面版中打开程序和功能。卸载CUDA的一些相关程序软件。 保留上图上的三个程序软件，其他关于CUDA的均卸载。2.控制面板中卸载完毕后，打开电脑中的电脑管家进行清理，清理卸载之后无用的注册表。 参考文章：(2条消息)windows下CUDA的卸载以及安装_cuda卸载_hi_1900的博客-CSDN博客
第一步：在电脑桌面点击右键选择NVIDIA控制面板 第二步：查看显卡驱动版本 比如这里我的驱动版本是472.47，然后去这里查看对应的CUDA版本，如下这个表从表中可以看出我显卡驱动版本对应最高的cuda版本可去到11.4，同时还可可以在NVIDIA控制面板中点击右下角的系统信息→点击组件查看。 第三步：下载安装对应CUDA参考文章： win10+cuda9.2+cudnn安装趟过的坑_cuda9.2对应的cudnn_昵称不火的博客-CSDN博客
本文主要介绍pytorch中不同数据类型的Tensor矩阵，例如：float32、float64、int32、int64。并将创建好的列表数据转成不同数据类型的Tensor矩阵，最后进行：行复制的操作。一、列表转Tensor，复制行和列向量a=[1,2,3,4,5,6,7,8,9,10]print(a)print(type(a))#查看a的类型---即列表类型'''结果'''[1,2,3,4,5,6,7,8,9,10]a=torch.Tensor(a)#将列表a转成tensor类型print(a)print(type(a),a.dtype)#查看a的类型和a中各个元素的数据类型'''结
文章目录问题：分析：解决：问题：在windows上面跑pytorch代码，导致：OSError:[WinError1455]页面文件太小，无法完成操作。Errorloading“D:\python\Anancoda\envs\torch38\lib\site-packages\torch\lib\caffe2_detectron_ops_gpu.dll”oroneofitsdependencies.分析：就是说由于一下要加载一些数据，但是数据大小超过了电脑能够分配的空间，所以导致运行不了。正常来讲，我们使用conda环境的地方就是加载数据的地方，加载数据使用的电脑的虚拟内存。所以我们需要加大c
数据集：首先看一下我自己的表格类型的数据看到大家都私信要代码，太多了发不过来，我把代码放到github上了：github链接:https://github.com/JiaBinBin233/CNN1D我的数据集是一个二分类的数据集，是一个12维的数据（第一列为标签列，其他的11列是属性列）神经网络架构#两层卷积层，后面接一个全连接层classLearn(nn.Module):def__init__(self):super(Tudui,self).__init__()self.model1=nn.Sequential( #输入通道一定为1，输出通道为卷积核的个数，2为卷积核的大小（实际为一个[1
一、版本不同的原因CUDA有两种API，一个是驱动API（DriverVersion），依赖NVIDIA驱动，由nvidia-smi查看，另一个是运行API（RuntimeVersion）是软件运行所需要的，一般驱动API版本>=运行API版本即可。驱动API的依赖文件由GPUdriverinstaller安装，nvidia-smi属于这一类API；运行API的依赖文件由CUDAToolkitinstaller安装。参考链接：https://codeantenna.com/a/5eVVAE9Q27二、CUDA和CUDNN1、什么是CUDA CUDA(ComputeUnifiedDevic
