工欲善其事必先利其器，这句话不容小觑，调试工具做的好，对开发工作可起到事半功倍。本文主要讲vscode远程到服务器进行在线GDB调试手段，包含对WSL的远程调试，可以轻松对照源码进行应用程序调试。文章目录一、vscode远程服务器（或虚拟机）二、vscode远程服务器（WSL）三、vscodeGDB一、vscode远程服务器（或虚拟机）1、vcode的本地需要建议安装这几个插件，ssh必需装。2、创建远程连接到服务器或虚拟机如果ssh连接不上，可检查C:\Users\xxx.ssh\config配置文件是否没有权限，可以尝试删除掉这个文件，再自动创建连接成功后，就可以打开想要访问的服务器代码路
yum/gdb一，yum1，简介2，软件下载3，软件删除4，yum源与扩展yum源5，常见选项二，gdb1，简介2，gdb相关指令一，yum1，简介在Linux下，下载软件通常的方法是下载源代码，然后进行编译得到可执行程序。但是，下载源代码的方法太麻烦了，于是有的人会把源代码提前编译好，做成软件包放到服务器上，通过软件包管理器（yum）很便利的获取编译好的软件包，进行安装。软件包就类似于手机上的各种APP，软件包管理器就好比应用商店。yum就是一种Linux下非常常用的软件包管理器。2，软件下载下载之前可以使用yumsearch命令进行查询要下载的软件包。但是，这个命令不是很好用建议使用下面的
本人踩坑流程本人自身是之前就安装过anaconda的，所以我直接去安装cuda并下载了最新版本11.7，然后去下载pytorch的时候才发现最新的pytorch并不兼容cuda的最新版本，然后我就去再安装了cuda的11.6，然后在卸载11.7版本的时候发现怎么都删不干净，我查了网上有两种看查cuda版本的方式:在windows终端中输入 nvcc-V nvidia-smi发现第二种方式才是真正正确的（以下引用参考文献中的图片）即使将cuda安装路径下全部文件删除仍能显示版本，直到后来将英伟达所有的驱动都卸载然后重启之后才产生效果，11.7回退到了11.6版本然后就是搭建pytorch去官网选
1.编译过程1.1预处理(Pre-Processing) 展开头文件，宏替换（变量宏、函数宏）、替换空格等gcc-Ehello.c-ohello.i//-E预处理选项,-o重命名1.2编译(Compilation) 逐行检查程序中出现的语法错误，简单的逻辑错误gcc-Shello.i-ohello.s1.3汇编(Assemble) 将.s汇编文件中所有的汇编指令翻译成二进制机器码（下面就是来了个截图，二进制显示了乱码）gcc-chello.s-ohello.o1.4链接(Linking) 将.o的目标文件，链接库文件、数据段合并，地址回填（把汇编里相对地址替换成程序运行后真正可以运行的
文章目录1.Linux软件包管理器——yumyum语法yum常用命令安装yum仓库源2.Linux编辑器——vimvim的五种常用模式模式切换vim基本操作命令模式命令集（1）光标命令（2）复制粘贴命令（3）撤销与重做（4）删除（5）替换（6）其他命令底行模式命令集（1）设置与取消行号（2）保存并退出（3）查找字符（4）其他替换模式视图模式注释取消注释vim下的多线程操作切换文件vim配置安装方法3.Linux编译器——gcc/g++一个C/C++程序形成可执行文件的过程gcc/g++的使用函数库动静态库的优缺点gcc/g++选项Linux调试器——gdb1.安装gdb2.gdb的使用Linu
这里写目录标题1.命令行查看2.NVIDIA显卡驱动控制面板3.程序目录1.命令行查看打开命令行窗口（例如PowerShell或命令提示符），然后输入以下命令：nvcc--version如果安装了CUDA，它会显示CUDA编译工具的版本信息，类似于你上面提供的输出。一般是PSC:\Users\ammy>nvcc--versionnvcc:NVIDIA(R)CudacompilerdriverCopyright(c)2005-2022NVIDIACorporationBuiltonWed_Sep_21_10:41:10_Pacific_Daylight_Time_2022Cudacompilat
目录1.什么是gdb2.gdb的使用2.1生成调试信息2.2gdb的基本用法2.2.1启动gdb2.2.2gdb退出2.2.3列出源码2.2.4运行程序2.2.5断点2.2.6逐过程调试和单步调试 2.2.7显示变量的值2.2.8修改变量的值 2.2.9 跳转到指定的行2.2.10 跳到下一个断点1.什么是gdbgdb是一个调试器，能够帮助开发人员诊断和修复程序中的错误gdb可以在程序运行时暂停程序并检查程序状态，例如检查变量的值、执行栈跟踪和查看内存内容，并且gdb支持多种编程语言，包括C、C++、Objective-C、Fortran和Ada等。gdb也可以在终端命令行中使用，也可以与多种
基本过程今天实验室师兄在服务器运行深度学习训练时候得到报错CUDAinitialization:UnexpectederrorfromcudaGetDeviceCount()疑似Cuda与NVIDIA显卡驱动沟通中出现了问题，使用nvidia-smi指令时提示FailedtoinitializeNVML:Driver/libraryversionmismatch，经过沟通了解到，重启与重新配置Cuda环境均未能解决上述问题。根据社区类似问题的帖子下工程师的指引，使用nvidia-bug-report.sh输出了报错的基本日志，得到如下关键信息Oct2106:40:46ubuntu-C621-W
本文分享如何使用docker获取Nvidia镜像，包括cuda10、cuda11等不同版本，cudnn7、cudnn8等，快速搭建深度学习环境。1、来到dockerhub官网，查看有那些Nvidia镜像https://hub.docker.com/r/nvidia/cuda/tags?page=2&name=11.3 这里可以输入cuda的版本比如11.6，或筛选出相关的镜像：https://hub.docker.com/r/nvidia/cuda/tags?page=1&name=11.6旁边还有镜像名称的排序方式：2、拉取镜像到本地选择好想要的镜像，比如：11.3.1-cudnn8-dev
【opencv】windows10下opencv4.8.0-cudaC++版本源码编译教程提示:博主取舍了很多大佬的博文并亲测有效,分享笔记邀大家共同学习讨论文章目录【opencv】windows10下opencv4.8.0-cudaC++版本源码编译教程前言准备工具cuda/cudnncmakeopencv4.8.0opencv_contribCMake编译VS2019编译可能出现的问题cmake编译过程中可能出现的问题VS2019编译过程中可能出现的问题测试使用GPU总结前言OpenCV是一个开源的计算机视觉库，包含了核心模块和扩展模块，提供了基础的图像处理和计算机视觉算法，以及一些机器学
