在我的c#表单应用程序(在VS2010中创建，使用.NET4.0)中，我使用应用程序设置来存储输出路径。以前此设置是用用户范围配置的，但我不得不将其范围更改为应用程序。执行此操作后，我现在在启动表单时收到UnrecognizedconfigurationsectionuserSettings错误(注意该程序之前已执行，设置范围设置为用户):InnerException:System.Configuration.ConfigurationErrorsExceptionMessage=UnrecognizedconfigurationsectionuserSettings.(C:\Docu

在我的c#表单应用程序(在VS2010中创建，使用.NET4.0)中，我使用应用程序设置来存储输出路径。以前此设置是用用户范围配置的，但我不得不将其范围更改为应用程序。执行此操作后，我现在在启动表单时收到UnrecognizedconfigurationsectionuserSettings错误(注意该程序之前已执行，设置范围设置为用户):InnerException:System.Configuration.ConfigurationErrorsExceptionMessage=UnrecognizedconfigurationsectionuserSettings.(C:\Docu

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

[前言]切换不同版本cuda前提须安装多个版本的cudacuda安装可参考CUDA的下载与安装，去Nvidia官网下载安装所需的cuda版本[基于Windows下切换不同版本cuda]：1.修改系统环境变量方法可以参看【CUDA】win10切换不同版本的CUDA，此方法适用于长时间更换cuda版本，若仅需在某个虚拟环境（env）中切换成对应版本，可参照第二点方法2.编写脚本切换cuda版本详细可以参看conda官方文档Windows下设置环境变量  ①由Cmd或Prompt定位到需要切换cuda版本的虚拟环境（env）下：cdC:\ProgramData\Anaconda3\envs\env#

因为做深度学习的研究项目，为全新机器在Ubuntu20.04LTS系统下安装Nvidia显卡驱动、Cuda、Cudnn。并进行CUDA版本切换成功安装完成了，写个记录。1.安装Nvidia显卡驱动步骤一：安装更新软件列表和依赖项在安装Nvidia显卡驱动之前，需要更新软件列表和必要的依赖项。sudoapt-getupdate #更新软件列表sudoapt-getinstallg++ #下载g++编译器sudoapt-getinstallgcc #下载gcc编译器sudoapt-getinstallmake #下载GNUMake编译器sudoapt-getinstallinitramfs

一.读卡规则当服务器有多个GPU时，设置CUDA_VISIBLE_DEVICES环境变量可以改变CUDA程序所能使用的GPU设备。在默认情况下，标号为0的显卡为主卡，如主机中有4块显卡，那么每张显卡的默认标号为[0,1,2,3]。多卡设置规则如下：EnvironmentVariableSyntaxResultsCUDA_VISIBLE_DEVICES=1Onlydevice1willbeseenCUDA_VISIBLE_DEVICES=0,1Devices0and1willbevisibleCUDA_VISIBLE_DEVICES="0,1"Sameasabove,quotationmarks

一.读卡规则当服务器有多个GPU时，设置CUDA_VISIBLE_DEVICES环境变量可以改变CUDA程序所能使用的GPU设备。在默认情况下，标号为0的显卡为主卡，如主机中有4块显卡，那么每张显卡的默认标号为[0,1,2,3]。多卡设置规则如下：EnvironmentVariableSyntaxResultsCUDA_VISIBLE_DEVICES=1Onlydevice1willbeseenCUDA_VISIBLE_DEVICES=0,1Devices0and1willbevisibleCUDA_VISIBLE_DEVICES="0,1"Sameasabove,quotationmarks

当我们看见这个错误提示时，不要紧张，easy，easy。问题不大，没有你想象中的那么麻烦。我先说说我遇到的这种情况：首先，我这个docker是刚下载的，什么镜像和容器都没有，所以不存在同名存在的情况。其次，我会查看其MySQL端口号是否被占用。输入命令：netstat-tanlp会出现下图信息： 然后使用此命令来杀掉进程（其中2323为之进程号）：kill2323注意：若使用kill-9，则会出现杀不死进程的情况！！！然后，我们再次使用此命令：netstat-tanlp来查看其端口号信息占用情况，看其是否被杀掉此次，我们就看不到3306端口号的占用情况了，其已经被释放了。接下来，我们需要重启d