一、快速确定版查看cuda nvcc-V查看cudnn dpkg-l|grepcudnn二、历史方法 有一些已经失效，这里仅仅作为备选查看cuda 方法一 nvcc-V或者nvcc—version 方法二 cat/usr/local/cuda/version.txt或者cat/usr/local/cuda/version.json查看cudnn 方法一 dpkg-l|grepcudnn 方法二 whereiscudnn_version或者whereiscudnn.h获得真实路径。这里以/usr/local/cuda/include/为例 cat/
文章目录2023-03-06更新2023-03-05更新前言TensorRT介绍环境配置CUDADriver检查安装安装CUDA安装nvcc安装cuDNN安装验证安装TensorRT安装验证2023-03-06更新如果有小伙伴看了2023-03-05更新，发现设置环境变量后运行cuda代码在链接过程中仍然会有报错问题啥的，那我这里建议，先别管2023-03-05更新的内容了，还是按照我博客里的安装步骤一步一步往下安装，用sudoaptinstallnvidia-cuda-toolkit命令去安装nvcc，也不需要配置环境变量了。因为博客里的安装步骤是我亲自执行过的，在我的WSL2环境里是一点问
有两种方法可以安装CUDA环境第一种方法-用命令按照在刷机完成的Orin，执行如下命令：sudoaptupdatesudoaptupgradesudoaptinstallnvidia-jetpack-y注释–如果在执行第三行命令，报错的话，先查看nvidia-l4t-apt-source.list将其修改为修改完后，重新执行上面那三行命令CUDA检查是否安装成功运行命令nvcc-V输出结果nvcc:NVIDIA(R)CudacompilerdriverCopyright(c)2005-2021NVIDIACorporationBuiltonThu_Nov_11_23:44:05_PST_202
概述我之前写了如何在Ubuntu18下搭配一系列软件的教程，然后近期重新安装20.04版本，于是重新记录一些东西，但是众多东西之前已经有了，所以我在这里知会在一些不同的地方和新增的地方特别说明，其他的请大家看之前的博客。对xtdrone的理解在搞了这么久的ros和px4之后，我也明白了xtdrone是什么了，它本质上就是一个包含了多个例程和模型文件的仓库，以gazebo和px4、ros为基础，做出来的一些初学者可以上手即用的例子，类比一下就是这样：你想学做题（进行应用），如何已经学会了一些基础知识（就是ros等基础），但是不知道怎么做题，然后肖昆老师团队出了一本例题集，你可以看一下一些题目是怎
•1、下载cuDNN•2、安装cuDNN•3、检查当前cuDNN1、下载cuDNN链接https://developer.nvidia.com/cudnn-download-survey选择版本时，需要根据操作系统选择和cuda版本匹配的cuDNN2、安装cuDNN解压下载好的cuDNNtar-xvfcudnn-11.2-linux-x64-v8.1.0.77.tgz拷贝文件到对应的目录cpinclude/cudnn.h/usr/local/cuda/include/cplib64/lib*/usr/local/cuda/lib64/进入/usr/local/cuda/lib64目录，修改权限
进行深度学习的算法模型训练的时候，终端报错:RuntimeError:UnabletofindavalidcuDNNalgorithmtorunconvolution产生报错的原因可能有两种：1.模型训练的环境中cudnn，CUDA的版本号不匹配解决办法：安装对应的cudnn，以及cuda，找到对应的torch框架，进行安装2.其实问题更加简单，是模型的训练的batch-size训练过大了，调整更小，就可以了。
【深度学习错误：CUDNN_STATUS_INTERNAL_ERROR】-如何解决？深度学习中，很多开发者都会遇到各种各样的错误，其中之一便是【深度学习错误：CUDNN_STATUS_INTERNAL_ERROR】，这个错误可能是由于硬件或软件问题引起的。在这篇文章中，我们将向您介绍如何诊断和解决该错误。首先，我们需要确认您是否已经正确地安装了CUDNN库。您可以在命令行输入以下命令来检查CUDNN的版本：cat/usr/local/cuda/include/cudnn.h|grepCUDNN_MAJOR-A2如果您已经安装了CUDNN库，但是仍然遇到【深度学习错误：CUDNN_STATUS_
CUDA下载链接CUDAToolkitArchive|NVIDIADeveloperCUDNN下载cuDNNArchive|NVIDIADeveloper本次配置版本为cuda_11.2.0_460.89_win10和对应的cudnn-11.3-windows-x64-v8.2.1.32-------------------------------------------------------------注：30系统显卡使用CUDA11以上版本，其中11.2较为稳定-------------------------------------------------------------首先进
前言系统一开始是CentOS7.6，安装依赖时yum给的内核文件的版本号和uname-r的结果不一样，这时不能直接装依赖，装上后后面装驱动时会报错找不到内核头文件(最开始我直接装依赖了，以为高版本兼容低版本，然后装驱动时报错找不到957版的内核头文件)，所以需先yum-yupgrade，升级完后需重启(重启后变成CentOS7.9了)，之后yum给的版本号和uname-r就一样了，就可以装依赖了。升级前内核版本是957，yum装的话会装1160，版本不一样。升级前升级后yum装了1160版本的依赖，然后装驱动时报错找不到957版的内核头文件安装N卡驱动查看机器上有哪些显卡lspci|grep-
一、判断显卡种类判断你当前电脑的显卡是NVIDIA（N卡）还是AMD（A卡），Pytorch需要基于NVIDIA的显卡（N卡）上运行，A卡就不行了。二、安装CUDA、CUDNN（一定要注意对应版本！！！）2.1安装CUDA1.判断电脑应该装什么版本的CUDA。方式一：NVIDIA控制面板中查看方式二：CMD查看CMD中输入：nvidia-smi查看到本机可装CUDA版本12.0，版本向下兼容，意思就是CUDA12.0及以下版本的都可以安装，但一般不建议使用最新版本的，因为可能后续其他安装包没有更新对应版本的可以下载，所以最好选CUDA12.0以前的一到两个版本，我这里选择的是CUDA11.6，
