前言本文是之前做云计算实验整理的内容，借博客保存一下！使用不同方法对算法加速还是很有意思的！实验题目自选一张图片，按照实验指南说明在jetson05节点上基于OpenMP和CUDA对图片进行边缘提取实验，记录梯度向量幅度的最小值和最大值，比较串行算法和并行算法的运行时间，并提交处理后的边缘提取结果图片。试一下：如果编译时开启优化选项（比如选择“-O3”级别的优化），串行算法和并行算法的运行时间分别有什么变化。使用提供的opencl-examples源码在你自己的计算机上进行基于OpenCL的GPU并行算法实验，记录你的实验环境参数（包括CPU和GPU相关参数等，可从实验程序日志中获取）以及各个
一、安装cuda1.首先查看自身电脑最高支持的cuda版本为多少，在终端输入以下指令nvidia-smi可以看到我的最高支持cuda11.4。2.打开英伟达官网下载官方cuda此处我下载的是cuda11.0.3版本，并选择相应配置，复制指令至终端下载3.运行官网安装指令 4.依次选择continue和accept点击确认 5.按回车取消Driver项的安装，然后回车选择Install 6.添加环境变量 gedit~/.bashrc打开文件，在文件结尾添加如下语句：exportPATH=$PATH:/usr/local/cuda-11.0/binexportLD_LIBRARY_PATH=
一、安装cuda1.首先查看自身电脑最高支持的cuda版本为多少，在终端输入以下指令nvidia-smi可以看到我的最高支持cuda11.4。2.打开英伟达官网下载官方cuda此处我下载的是cuda11.0.3版本，并选择相应配置，复制指令至终端下载3.运行官网安装指令 4.依次选择continue和accept点击确认 5.按回车取消Driver项的安装，然后回车选择Install 6.添加环境变量 gedit~/.bashrc打开文件，在文件结尾添加如下语句：exportPATH=$PATH:/usr/local/cuda-11.0/binexportLD_LIBRARY_PATH=
目录一、前言二、对应关系三、如何使用四、总结五、参考一、前言NVIDIA®CUDA®Toolkit为创建高性能GPU加速应用程序提供了一个开发环境。借助CUDA工具包，您可以在GPU加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和HPC超级计算机上开发、优化和部署您的应用程序。该工具包包括GPU加速库、调试和优化工具、C/C++编译器以及用于部署应用程序的运行时库。全球的深度学习研究人员和框架开发人员都依赖cuDNN来实现高性能GPU加速。它使他们可以专注于训练神经网络和开发软件应用程序，而不必花时间在底层GPU性能调整上。本篇博客记录了了CUDAToolkit和cuDNN的版本对应
目录一、前言二、对应关系三、如何使用四、总结五、参考一、前言NVIDIA®CUDA®Toolkit为创建高性能GPU加速应用程序提供了一个开发环境。借助CUDA工具包，您可以在GPU加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和HPC超级计算机上开发、优化和部署您的应用程序。该工具包包括GPU加速库、调试和优化工具、C/C++编译器以及用于部署应用程序的运行时库。全球的深度学习研究人员和框架开发人员都依赖cuDNN来实现高性能GPU加速。它使他们可以专注于训练神经网络和开发软件应用程序，而不必花时间在底层GPU性能调整上。本篇博客记录了了CUDAToolkit和cuDNN的版本对应
记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX3080；CUDA11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。1.待配置环境的版本Python:3.8.0CUDA:11.3.1cuDNN:8.2.1Tensorflow-gpu:2.7.0Keras:2.7.02.Windows下使用conda和pip安装Tensorflow-gpu以及Kera
记录：在复现论文代码时碰到使用keras环境，于是在自己windows系统的台式机（RTX3080；CUDA11.7）上进行了安装，但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器（CUDA11.7）上，但配置环境出错，一直无法调用GPU。经过一天的摸索，从网上其他博客中找到答案，虽然不懂其中的道理，但先记录下来。1.待配置环境的版本Python:3.8.0CUDA:11.3.1cuDNN:8.2.1Tensorflow-gpu:2.7.0Keras:2.7.02.Windows下使用conda和pip安装Tensorflow-gpu以及Kera
【CUDA】cuda安装（windows10版）一、前言官方教程二、安装工具的准备1.CUDAtoolkitDownload2.cuDNNDownload三、CUDA安装与配置过程测试环境是否安装成功四、cuDNN配置1.解压2.添加至系统变量参考博客：本次安装参考了网上许多教程，结合自己的需求与理解，写下此篇博客，仅做本人总结使用。。一、前言windows10版本安装CUDA，首先需要下载两个安装包CUDAtoolkit（toolkit就是指工具包）cuDNN注：cuDNN是用于配置深度学习使用官方教程CUDA：https://docs.nvidia.com/cuda/cuda-instal
【CUDA】cuda安装（windows10版）一、前言官方教程二、安装工具的准备1.CUDAtoolkitDownload2.cuDNNDownload三、CUDA安装与配置过程测试环境是否安装成功四、cuDNN配置1.解压2.添加至系统变量参考博客：本次安装参考了网上许多教程，结合自己的需求与理解，写下此篇博客，仅做本人总结使用。。一、前言windows10版本安装CUDA，首先需要下载两个安装包CUDAtoolkit（toolkit就是指工具包）cuDNN注：cuDNN是用于配置深度学习使用官方教程CUDA：https://docs.nvidia.com/cuda/cuda-instal
一、缘由对于CUDA新手来说，安装问题里面有很多需要注意的细节，很多自定义的选项，如果漏选就会出现一些莫名奇妙的问题。为此，会经常出现卸载CUDA，再安装CUDA的问题，下面总结。二、卸载前的准备（1）卸载工具：①windows自带的控制面板，用来卸载主程序②腾讯电脑管家等类似杀毒软件，用来清除卸载之后的无效注册表（2）查看哪些程序需要卸载（新手建议全部卸载，重新装）控制面板中打开【程序】→【程序和功能】三、卸载步骤（1）留下：NVIDIA的图形驱动程序、NVIDIAPhysx系统软件、NVIDIAGeForceExperience（2）按照【安装时间】排序，依次卸载即可 （3）控制面板中卸载
