记录：对于tensorflow环境配置，即使替换了M1适配的anaconda，使用苹果官方适配m1的tensorflow安装命令，仍旧出现各种问题，可见现在的M1版anaconda还是存在很大问题。所以在屡次不服气的碰壁下我还是改用了miniforge3…真香！so，建议使用miniforge3管理，miniforge3可以理解成miniconda/annoconda的社区版，提供了更稳定的对M1芯片的支持。使用miniforge3可成功安装支持m1版的tensorflow及pytorchMPS介绍（MacM1芯片为了追求高性能和节能，在底层设计上使用的是一种叫做arm架构的精简指令集，不同于
相关博文stable-diffusion-webui的基础功能手动安装，了解代码结构、依赖、模型出处安装成功结果主要参考cuda11.7下载-https://developer.nvidia.com/cuda-toolkit-archivecudnn8.6for11.x:https://developer.nvidia.com/rdp/cudnn-archivedreambooth\lora训练环境：最原始的命令端https://github.com/kohya-ss/sd-scriptsGUI端口https://github.com/bmaltais/kohya_ss环境安装参考：win11
cuda需要Nvidia显卡或计算卡，AMD或intel显卡不行（但是也有套他们的标准）就算是亮机卡也可使用，比如GT710这种建议使用ubuntu来装，因为cuda就是在这个平台上开发的，当然别的linux系统也行以下操作在ubuntuserver2204，如果没有安装ubuntu系统，可以参考Ubuntuserver安装图解注意！请根据需要安装对应版本的cuda！不同版本安装大同小异主要思路：安装N卡（硬件），安装依赖、安装N卡驱动，安装nvcc、安装cuda另外，你可能还需要pytorch等常用的组件，在选择版本前务必根据你自己的需要选取，部分组件对操作系统也有要求，为了少做重复劳动，先
3050显卡驱动安装+配置pytorch的cuda环境前言一、下载3050驱动二、下载CUDA二、cuDNN下载三、cuDNN配置四、pytorch环境配置①、创建虚拟环境前言因为有一块3050的显卡，更新驱动的时候把之前配好的cuda10.0覆盖了，因此需要重新配置一下环境。记录一下过程，方便后面自己尽快恢复环境。一、下载3050驱动N卡的驱动下载过程都是一样的，先进入官网驱动程序下载选择对应的配置，有的是笔记本的，注意区分一下。配置好了就下载，下载好驱动程序后打开运行，简易安装即可。安装完出现NVIDIA控制面板则代表成功了。二、下载CUDA我之前安装的10.1版本用不了，只能重新安装11
前言安装pytorch的教程网上有许多，我记录并分享下自己两台笔记本上安装NVIDIA驱动、CUDA、CUDNN、Pytorch的过程和心得。首先说明，安装pytorch-gpu需要完成nvidia驱动安装、CUDA安装、CUDNN安装、torch库安装，其中CUDA和CUDNN版本要对应，不同版本的torch对CUDA版本有要求，nvidia驱动决定了你可以安装多高版本的CUDA，因此这些东西的版本不能随便乱装，我的安装版本是：联想GTX1050笔记本：Ubuntu18+驱动470+CUDA10.0+CUDNNfor10.0+torch1.0.0+python3.6Ubuntu18+驱动47
一、背景介绍1、最近项目中需要给客户对接海康机器人工业相机MV-CU060-10GM；2、客户要求通过部署的管理平台，可以在页面上实现如下功能：1）相机视频流开始预览；2）相机视频流停止预览；3）相机拍照功能。需求背景：客户需要对生产的产品进行定期抽样质检，其中涉及到外观检测，比如，样品的表面清洁度、外观等指标。所以，需要先通过管理平台点击相机的“预览”按钮，进行预览相机拍摄的实时效果，当客户认为清晰度和角度满足条件时，才会点击“拍照”按钮进行拍摄，从而保证质检的照片是有意义和有实用价值的。二、调研历程由于项目团队同事之前没有做过工业相机视频和拍照的相关开发，于是乎，就开启了“漫长”而“煎熬”
CMake编译CUDA项目报错现象解决方法结果现象configure后显示如下错误CMakeErroratC:/ProgramFiles/CMake/share/cmake-3.26/Modules/CMakeDetermineCompilerId.cmake:751(message):CompilingtheCUDAcompileridentificationsourcefile“CMakeCUDACompilerId.cu”failed.同时，注意到下面报错为C:\ProgramFiles\MicrosoftVisualStudio\2022\Community\MSBuild\Micro
CUDA实例系列一----矩阵乘法优化很多朋友在学习CUDA的时候都会面临一个题目----矩阵乘法,这也是CUDA最广泛的应用之一.本文将详细讲解如何利用GPU加速矩阵乘法的计算.话不多说,先上代码,再解释:#include#include#include"error.cuh"#defineBLOCK_SIZE16__managed__inta[1000*1000];__managed__intb[1000*1000];__managed__intc_gpu[1000*1000];__managed__intc_cpu[1000*1000];__global__voidgpu_matrix_m
对应视频教程：https://www.bilibili.com/video/BV1S5411X7FY/文章目录1.显卡（GPU）与驱动2.显卡与CUDA3.如何查看自己的显卡1.显卡（GPU）与驱动显卡，也称之为GPU。GPU的全称是GraphicsProcessingUnit（图形处理单元）。它出现的目的一目了然，就是用来显示图像的。没错，就是用来在电脑显示器上显示图像的。大家其实只要知道我们的电脑都有显卡这一点就行了。但我们在深度学习中说的显卡（GPU）一般特指是英伟达（NVIDIA）品牌的显卡，这个我们后面慢慢来说。除了显卡这个概念之外，还有个概念是驱动。驱动，相信大家都不陌生。我们有的
1介绍CUDACUDA是Nvidia于2006年推出的一套通用并行计算架构，旨在解决在GPU上的并行计算问题。其易用性和便捷性能够方便开发者方便的进行GPU编程，充分利用GPU的并行能力，可以大幅提高程序的性能。自从CUDA诞生以来，CUDA生态系统也迅速的发展，包括了大量的软件开发工具、服务和解决方案。CUDAToolkit包括了库、调试和优化工具、编译器和运行时库。ROCmAMDROCm是RadeonOpenCompute(platform)的缩写，是2015年AMD公司为了对标CUDA生态而开发的一套用于HPC和超大规模GPU计算提供的开源软件开发平台，ROCm只支持Linux平台。同样
