之前尝试复现学姐前几年的一个工作，但是因为框架有点古老而作罢。然鹅，自己的实验结果一直跑得十分奇怪，为了去学姐的代码中寻找参考，今天再次进行了尝试。我的需求是安装Tensorflow_gpu_1.6.0（文中简称TensorFlow），目前机器已配置cuda11和cuda10，非root用户。目录前置疑问Q1:为什么安装TensorFlow需要重装CUDA？Q2:nvidia-smi和nvcc-V显示的不是同一版本CUDA？Q3:用conda装CUDA不可以吗？结论0安装之前——检查机器配置（非root用户）查询目标配置检查机器配置安装顺序1安装gcc1.1下载gcc(以gcc6.4.0为例)
之前尝试复现学姐前几年的一个工作，但是因为框架有点古老而作罢。然鹅，自己的实验结果一直跑得十分奇怪，为了去学姐的代码中寻找参考，今天再次进行了尝试。我的需求是安装Tensorflow_gpu_1.6.0（文中简称TensorFlow），目前机器已配置cuda11和cuda10，非root用户。目录前置疑问Q1:为什么安装TensorFlow需要重装CUDA？Q2:nvidia-smi和nvcc-V显示的不是同一版本CUDA？Q3:用conda装CUDA不可以吗？结论0安装之前——检查机器配置（非root用户）查询目标配置检查机器配置安装顺序1安装gcc1.1下载gcc(以gcc6.4.0为例)
因为工作业务需求的关系，需编译onnxruntime引入项目中使用，主项目exe是使用的vs2017+qt5.12。onnxruntime就不用介绍是啥了撒，在优化和加速AI机器学习推理和训练这块赫赫有名就是了。有现成的别人编译好的只有dll动态库，当然我们显然是不可能使用的，因为BOSS首先就提出一定要让发布出去的程序体积尽量变少，我肯定是无法精细的拆分哪一些用到了的，哪一些代码是没用到的，还多次强调同时执行效率当然也要杠杠滴。所以下面就开始描述这几天一系列坎坷之路，留个记录，希望过久了自己不会忘记吧，如果能帮助到某些同行少走些弯路也最好：1.Clonerepo诧一听你可能会觉得一个大名鼎鼎
因为工作业务需求的关系，需编译onnxruntime引入项目中使用，主项目exe是使用的vs2017+qt5.12。onnxruntime就不用介绍是啥了撒，在优化和加速AI机器学习推理和训练这块赫赫有名就是了。有现成的别人编译好的只有dll动态库，当然我们显然是不可能使用的，因为BOSS首先就提出一定要让发布出去的程序体积尽量变少，我肯定是无法精细的拆分哪一些用到了的，哪一些代码是没用到的，还多次强调同时执行效率当然也要杠杠滴。所以下面就开始描述这几天一系列坎坷之路，留个记录，希望过久了自己不会忘记吧，如果能帮助到某些同行少走些弯路也最好：1.Clonerepo诧一听你可能会觉得一个大名鼎鼎
安装Anaconda(2022.05)最新版本https://www.anaconda.com/历史版本https://repo.anaconda.com/archive/打开安装包：nextIAgreeJustMe(影响之后创建虚拟环境的默认位置，选择JustMe虚拟环境默认在安装Anaconda文件夹下的evns文件夹下；选择AllUser虚拟环境默认安装在C:\Users\DQD.conda\envs)选择安装位置勾选第一个选项，在普通的命令行窗口可以使用Anaconda指令；若不勾选，只能在Anaconda命令行窗口中使用Anaconda指令。可选可不选。（本次不勾选）本次勾选第二个选
安装Anaconda(2022.05)最新版本https://www.anaconda.com/历史版本https://repo.anaconda.com/archive/打开安装包：nextIAgreeJustMe(影响之后创建虚拟环境的默认位置，选择JustMe虚拟环境默认在安装Anaconda文件夹下的evns文件夹下；选择AllUser虚拟环境默认安装在C:\Users\DQD.conda\envs)选择安装位置勾选第一个选项，在普通的命令行窗口可以使用Anaconda指令；若不勾选，只能在Anaconda命令行窗口中使用Anaconda指令。可选可不选。（本次不勾选）本次勾选第二个选
检测CUDA、cuDNN、Pytorch是否可用大家看完代码不妨看一下后文的详解哦~默子在原有基础上增加了很多新的内容。解释的更加详细，更加具体，更加新颖！废话不多说，我们直接开始。复制下列代码到IDE中运行importtorchprint('CUDA版本:',torch.version.cuda)print('Pytorch版本:',torch.__version__)print('显卡是否可用:','可用'if(torch.cuda.is_available())else'不可用')print('显卡数量:',torch.cuda.device_count())print('是否支持BF1
检测CUDA、cuDNN、Pytorch是否可用大家看完代码不妨看一下后文的详解哦~默子在原有基础上增加了很多新的内容。解释的更加详细，更加具体，更加新颖！废话不多说，我们直接开始。复制下列代码到IDE中运行importtorchprint('CUDA版本:',torch.version.cuda)print('Pytorch版本:',torch.__version__)print('显卡是否可用:','可用'if(torch.cuda.is_available())else'不可用')print('显卡数量:',torch.cuda.device_count())print('是否支持BF1
前文回溯，之前一篇：含辞未吐,声若幽兰,史上最强免费人工智能AI语音合成TTS服务微软Azure(Python3.10接入)，利用AI技术将文本合成语音，现在反过来，利用开源库Whisper再将语音转回文字，所谓闻其声而知雅意。Whisper是一个开源的语音识别库，它是由FacebookAIResearch(FAIR)开发的，支持多种语言的语音识别。它使用了双向循环神经网络（bi-directionalRNNs）来识别语音并将其转换为文本。Whisper支持自定义模型，可以用于实现在线语音识别，并且具有高级的语音识别功能，支持语音识别中的语音活动检测和语音识别中的语音转文本。它是使用PyTor
前文回溯，之前一篇：含辞未吐,声若幽兰,史上最强免费人工智能AI语音合成TTS服务微软Azure(Python3.10接入)，利用AI技术将文本合成语音，现在反过来，利用开源库Whisper再将语音转回文字，所谓闻其声而知雅意。Whisper是一个开源的语音识别库，它是由FacebookAIResearch(FAIR)开发的，支持多种语言的语音识别。它使用了双向循环神经网络（bi-directionalRNNs）来识别语音并将其转换为文本。Whisper支持自定义模型，可以用于实现在线语音识别，并且具有高级的语音识别功能，支持语音识别中的语音活动检测和语音识别中的语音转文本。它是使用PyTor
