问题描述测试在docker中是否能够正常使用gpu。使用如下命令会报错。dockerrun--rm--gpusallnvidia/cuda:11.0-basenvidia-smiErrorresponsefromdaemon:manifestfornvidia/cuda:11.0notfound:manifestunknown:manifestunknown原因分析：命令中cuda后面填写的版本型号不存在，可以从文档中查找对应系统的版本型号。解决方案：在https://gitlab.com/nvidia/container-images/cuda/blob/master/doc/support
前些天在B站上看到用OpenCV调用CUDA加速目标检测和关键点检测的教程，较Pytorch推理速度提升很明显，最近整了个RTX4070，所以就也想来试一试。由于刚换了电脑，没有相关环境，配置过程中踩了一些坑，因此有了这篇记录文章。目录基本配置前置条件下载和修改OpenCV下载修改配置编译OpenCV1.利用CMake配置OpenCV源代码工程2.VisualStudio2019编译OpenCV源代码配置VisualStudio2019测试程序参考教程基本配置系统：Windows11-22H2显卡：RTX4070驱动：CUDA-11.8,cudnn-windows-x86_64-8.9.2.2
目录1.查看显卡版本命令：2.更新驱动：2.1下载显卡驱动2.2安装前配置2.3安装显卡驱动3.下载更换cuda版本：3.1下载cuda：3.2安装过程中遇到一些选项，同意协议accept3.3vi~/.bashrc末端加上配置信息参考连接：1.查看显卡版本命令：nvidia-smi：GPU驱动版本，driverAPI（支持的最高cuda版本）。watch-n1nvidia-smi：动态监控显卡状态。nvcc-V：cuda版本，timeAPI（运行时API）。2.更新驱动：2.1下载显卡驱动查看自己的显卡信息：lspci|grep-invidia 根据自己的显卡信息去登录NVIDIA官方下载适
RuntimeError:nms_impl:implementationfordevicecuda:0notfound.关于mmpose的网页搜索并不多，查了一些资料是cuda不匹配的问题，参考添加链接描述，后续检查了自己配置，是匹配的。就卸载了mmcv-full,在重新安装，安装命令是pipinstallmmcv-full没有后面的指定版本，运行demo时成功！虽然卸载的和再重新下载的版本一致，但就是可以了，很奇怪，能运行就行，哈哈哈哈
0、引言最近工作中需要用到使用CUDA加速后的opencv进行传统算法的开发，在编程之前，需要先解决环境编译和lib库问题，本文就是记录自己编译opencv-4.7.0的全过程。1、CUDA下载和安装可参考我之前的博客WIN10安装配置TensorRT详解中的前几节，可以清楚的知道如何在Windows10系统上安装适合自己的CUDA以及验证CUDA是否可用2、opencv-4.7.0+opencv-contrib-4.7.0下载opencv的官方网站release了很多版本的opencv，如下图所示：博主选择opencv-4.7.0的sources进行下载。opencv-contrib-4.7
查看nvidia的版本516.94可安装11.4最新（实验室电脑）笔记本上安装cuda10.0第一次会让设置临时解压目录，笔记本c盘内存不足，于是在D盘新建了一个temp的文件（应该安装完成后会自动删除）。选择自定义此处没有选择默认路径，而是在D盘新建了一个cuda的文件夹。查看环境变量点击设置–>搜索高级系统设置–>查看环境变量【如果没有需要自己添加】此处我都有，啊哈哈哈NVCUDASAMPLES_ROOTNVCUDASAMPLES11_0_ROOT验证是否安装成功：运行cmd，输入nvcc--version即可查看版本号；setcuda，可以查看CUDA设置的环境变量。
查看nvidia的版本516.94可安装11.4最新（实验室电脑）笔记本上安装cuda10.0第一次会让设置临时解压目录，笔记本c盘内存不足，于是在D盘新建了一个temp的文件（应该安装完成后会自动删除）。选择自定义此处没有选择默认路径，而是在D盘新建了一个cuda的文件夹。查看环境变量点击设置–>搜索高级系统设置–>查看环境变量【如果没有需要自己添加】此处我都有，啊哈哈哈NVCUDASAMPLES_ROOTNVCUDASAMPLES11_0_ROOT验证是否安装成功：运行cmd，输入nvcc--version即可查看版本号；setcuda，可以查看CUDA设置的环境变量。
2022最新pytorch安装方法GPU版本python3.9torch-1.13.0+cu116-cp39torchvision-0.14.0从官网一键命令下载的pytorch是CPU版本的，我们需要手动安装GPU版本的解决方案查找对应版本下载对应的whl文件使用pip本地安装可能遇到的问题numpy和pandas报错，uninstall后重新install就行最后测试从官网一键命令下载的pytorch是CPU版本的，我们需要手动安装GPU版本的如图，这样是不能安装gpu版本的。解决方案查找对应版本这里针对python3.9版本，在此网站https://github.com/pytorch/
2022最新pytorch安装方法GPU版本python3.9torch-1.13.0+cu116-cp39torchvision-0.14.0从官网一键命令下载的pytorch是CPU版本的，我们需要手动安装GPU版本的解决方案查找对应版本下载对应的whl文件使用pip本地安装可能遇到的问题numpy和pandas报错，uninstall后重新install就行最后测试从官网一键命令下载的pytorch是CPU版本的，我们需要手动安装GPU版本的如图，这样是不能安装gpu版本的。解决方案查找对应版本这里针对python3.9版本，在此网站https://github.com/pytorch/
CUDA是一种由NVIDIA推出的通用并行计算架构，能够帮助开发人员快捷地创建、测试和部署基于深度学习应用程序。而运行CUDA应用程序需要系统至少具有一个支持CUDA的显卡和CUDA工具包兼容的驱动程序，这些工具包括CUDASDK、CUDAStudio、CUDATestingKit、CUDASoftwareDevelopmentKit、CUDADeveloperKit、CUDAPackageKit和CUDAEnterpriseToolkit等，每一种都具备了强大的功能。显卡驱动和cuda版本信息查看方法：1、在命令行中输入【nvidia-smi】可以当前显卡驱动版本和cuda版本。2、如果提示
