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
1cuda卸载我windows11下安装的cuda为11.1，常用的cuda为10.2和11.3，所以选择卸载重装。1）首先打开控制面板->程序和功能卸载：框住的内容。保留：NVIDIA的图形驱动程序、NVIDIAPhysx系统软件、NVIDIAGeForceExperience其中NVIDIANsightSystems是NVIDIA官方近几年推出了新一代性能分析工具——NSight系列，包括NSightSystem和NSightCompute，其中NsightSystems就是全新一代的nvprof，可以用于监测代码执行效率及分析性能。2）卸载完如下所示2cuda10.2安装的准备2.1查看
1cuda卸载我windows11下安装的cuda为11.1，常用的cuda为10.2和11.3，所以选择卸载重装。1）首先打开控制面板->程序和功能卸载：框住的内容。保留：NVIDIA的图形驱动程序、NVIDIAPhysx系统软件、NVIDIAGeForceExperience其中NVIDIANsightSystems是NVIDIA官方近几年推出了新一代性能分析工具——NSight系列，包括NSightSystem和NSightCompute，其中NsightSystems就是全新一代的nvprof，可以用于监测代码执行效率及分析性能。2）卸载完如下所示2cuda10.2安装的准备2.1查看
问题描述想使用GPU加快程序运行速度，pip安装完torch后，检测时候报错。pipinstalltorch安装时成功了，但是测试时候报错：进入python环境(cat)C:\Users\asus>python导入torch>>>importtorch>>>print(torch.cuda.is_available())#cuda是否可用>>>print(torch.cuda.get_device_name(0))#返回设备索引>>>print(torch.cuda.device_count())#返回GPU的数量>>>print(torch.cuda.current_device())#返回
问题描述想使用GPU加快程序运行速度，pip安装完torch后，检测时候报错。pipinstalltorch安装时成功了，但是测试时候报错：进入python环境(cat)C:\Users\asus>python导入torch>>>importtorch>>>print(torch.cuda.is_available())#cuda是否可用>>>print(torch.cuda.get_device_name(0))#返回设备索引>>>print(torch.cuda.device_count())#返回GPU的数量>>>print(torch.cuda.current_device())#返回
更新2022-10-26-CUDA11.8注：当前所有版本要求均为CUDA官方提供如需转载，请注明出处。更多优质内容，可点击原文链接进行阅读学习。CUDA11.8组件版本Table1.CUDA11.8ComponentVersionsComponentNameVersionInformationSupportedArchitecturesCUDAC++CoreComputeLibraries11.8.89x86_64,POWER,AArch64CUDACompatibility11.8.31339915AArch64CUDARuntime(cudart)11.8.89x86_64,POWER,
更新2022-10-26-CUDA11.8注：当前所有版本要求均为CUDA官方提供如需转载，请注明出处。更多优质内容，可点击原文链接进行阅读学习。CUDA11.8组件版本Table1.CUDA11.8ComponentVersionsComponentNameVersionInformationSupportedArchitecturesCUDAC++CoreComputeLibraries11.8.89x86_64,POWER,AArch64CUDACompatibility11.8.31339915AArch64CUDARuntime(cudart)11.8.89x86_64,POWER,
（补档）（自用留存）(有问题欢迎互相交流)一、安装Anaconda官网链接（默认新版）：Anaconda|TheWorld'sMostPopularDataSciencePlatform官网老版本：Indexof/(anaconda.com)老版本同时显示对应Python版本：Oldpackagelists—Anacondadocumentation国内镜像：Indexof/anaconda/archive/|北京外国语大学开源软件镜像站|BFSUOpenSourceMirror纯点next，记得勾选“”选择PATH加入路径“” 安装完，点开开始菜单，打开AnacondaPrompt，有显示b
