paddlepaddle-gpu版本安装过程挺复杂的（我安装的是cuda10.2版本的）大概可以分成三步1、先装cuda（官网链接：https://developer.nvidia.com/cuda-toolkit-aRCHIVE）2、然后装cudnn（官网链接：https://developer.nvidia.com/rdp/cudnn-archive）3、最后才是到paddle官网运行那条命令安装paddle安装cuda和安装cudnn其它教程写得很清楚了要注意安装跟自己电脑显卡型号相匹配的版本cuda可以直接下载，cudnn要注册账号才能下载按照网上步骤来装好cuda，cudnn，配好环
1.安装CUDA1.1 检查是否已安装CUDA 快捷键win+r，输入cmd，在命令行中输入nvcc-V可以查看版本信息 若已安装，则显示版本信息，请跳转到第二步1.2若未安装，请于左下角搜索并打开NVIDIA的控制面板 单击系统信息，进入组件页面查看CUDA的版本 如图所示，作者电脑CUDA的版本为11.7，因此选择下载≤11.7版本的CUDA 进入官网CUDAToolkitArchive|NVIDIADeveloperCUDAToolkitArchive|NVIDIADeveloper ，下载对应版本的CUDACUDAToolkitAr
1.安装CUDA1.1 检查是否已安装CUDA 快捷键win+r，输入cmd，在命令行中输入nvcc-V可以查看版本信息 若已安装，则显示版本信息，请跳转到第二步1.2若未安装，请于左下角搜索并打开NVIDIA的控制面板 单击系统信息，进入组件页面查看CUDA的版本 如图所示，作者电脑CUDA的版本为11.7，因此选择下载≤11.7版本的CUDA 进入官网CUDAToolkitArchive|NVIDIADeveloperCUDAToolkitArchive|NVIDIADeveloper ，下载对应版本的CUDACUDAToolkitAr
文章目录一：Anaconda安装二：Cuda、Cudnn安装三：Pytorch安装四：Tensorrt安装一：Anaconda安装Jetson系列边缘开发板，其架构都是arm64，而不是传统PC的amd64，深度学习的环境配置方法大不相同。想要看amd64的相关环境安装，可以参考这篇文章。下面步入正题：对于Anaconda的安装其实和之前差不多，只是寻找aarch64的shell包安装即可，下载地址anaconda清华镜像源，我选择的是Anaconda3-2021.11-Linux-aarch64.sh。进入到下载文件夹，按如下命令依次安装即可：chmod+xAnaconda3-2021.11
文章目录一：Anaconda安装二：Cuda、Cudnn安装三：Pytorch安装四：Tensorrt安装一：Anaconda安装Jetson系列边缘开发板，其架构都是arm64，而不是传统PC的amd64，深度学习的环境配置方法大不相同。想要看amd64的相关环境安装，可以参考这篇文章。下面步入正题：对于Anaconda的安装其实和之前差不多，只是寻找aarch64的shell包安装即可，下载地址anaconda清华镜像源，我选择的是Anaconda3-2021.11-Linux-aarch64.sh。进入到下载文件夹，按如下命令依次安装即可：chmod+xAnaconda3-2021.11
nvidia驱动安装及配置过程一:【nvidia】1.命令行方式安装nvidia显卡驱动 刚刚下载linux系统没有安装nvidia驱动的小伙伴门要注意! 我们想要安装cuda，nvidia驱动是必不可少的这种方法作为推荐方法来使用。第一步：查询合适的显卡驱动 #输入命令 ubuntu-driversdevices 该命令会列出所有需要驱动的设备，以及这些设备所匹配的驱动。 我的ubuntu系统版本选择的是20.04x86_64版执行该命令有三种结果： 第一种，输出“Command‘ubuntu-drivers’notfound,butcanbeinstalled
nvidia驱动安装及配置过程一:【nvidia】1.命令行方式安装nvidia显卡驱动 刚刚下载linux系统没有安装nvidia驱动的小伙伴门要注意! 我们想要安装cuda，nvidia驱动是必不可少的这种方法作为推荐方法来使用。第一步：查询合适的显卡驱动 #输入命令 ubuntu-driversdevices 该命令会列出所有需要驱动的设备，以及这些设备所匹配的驱动。 我的ubuntu系统版本选择的是20.04x86_64版执行该命令有三种结果： 第一种，输出“Command‘ubuntu-drivers’notfound,butcanbeinstalled
1、显卡驱动的安装最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。1.1、查看自己的显卡。具体操作：我的电脑-——属性——设备管理器——显示适配器1.2、驱动的下载、安装。在找到自己的显卡后，去NVIDIA官网下载安装驱动 选择自己的显卡类型，如果你是GTX显卡，有可能只能选择GameReady，区别很小，能用就行1.3、显卡驱动安装检测win+R输入cmd 打开窗口后输入：nvidia-smi 如果成功显示显卡数据，恭喜。右上角的11.6，说明我的显卡驱动最高支持11.6的cuda。但我肯定不能安装11.6，因为py
1、显卡驱动的安装最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。1.1、查看自己的显卡。具体操作：我的电脑-——属性——设备管理器——显示适配器1.2、驱动的下载、安装。在找到自己的显卡后，去NVIDIA官网下载安装驱动 选择自己的显卡类型，如果你是GTX显卡，有可能只能选择GameReady，区别很小，能用就行1.3、显卡驱动安装检测win+R输入cmd 打开窗口后输入：nvidia-smi 如果成功显示显卡数据，恭喜。右上角的11.6，说明我的显卡驱动最高支持11.6的cuda。但我肯定不能安装11.6，因为py
1、win+r 输入cmd打开窗口输入nvidia-smi查看cuda版本，我的是11.62、来这里看些你的cuda和驱动版本(我的是521.78)匹配不么,不匹配的话去升级,我没遇到这个问题,goodluck 3、下载cuda: CUDAToolkitArchive|NVIDIADeveloperPreviousreleasesoftheCUDAToolkit,GPUComputingSDK,documentationanddeveloperdriverscanbefoundusingthelinksbelow.Pleaseselectthereleaseyouwantfromtheli
