cuda11.4的卸载方法一方法二参考：大神连接1：https://blog.csdn.net/qq_38429958/article/details/120849991因为目前的pytorch版本最高支持11.3的版本，之前安装了cuda11.4的版本，所以需要将cuda下降一层，尝试了很多方法，下面两个方法可能比较实用。注释：当你需要更换cuda的版本的时候，下面的方法也是可以用的哦方法一先进入安装目录下的bin文件夹中cd/usr/local/cuda-11.4/bin再执行cuda自带的卸载程序sudo./cuda-uninstaller如果发现上述的操作不管用的话，找不到cuda-u
宿主机为Ubuntu20.04+gtx1060，Nvidiadriver版本为510.85.02。安装环境为：tensorrt8.4安装完成后，一当调用cuda环境就会报错：Error804:forwardcompatibilitywasattemptedonnonsupportedHW。检查问题原因在Linux宿主机上使用docker（版本>=19.3）之前，请确保安装了nvidia-container-runtime和nvidia-container-toolkit：sudoapt-getinstallnvidia-container-runtimenvidia-container-too
宿主机为Ubuntu20.04+gtx1060，Nvidiadriver版本为510.85.02。安装环境为：tensorrt8.4安装完成后，一当调用cuda环境就会报错：Error804:forwardcompatibilitywasattemptedonnonsupportedHW。检查问题原因在Linux宿主机上使用docker（版本>=19.3）之前，请确保安装了nvidia-container-runtime和nvidia-container-toolkit：sudoapt-getinstallnvidia-container-runtimenvidia-container-too
cuda11.6配置torch环境（运行yolov5项目）从配置环境到运行项目安装Anaconda的安装cuda（敲重点）下载torch（再次敲重点）从配置环境到运行项目首先推荐一个b站的一个up视频，yolov5目标检测，这里up用的是cuda10.2，我用的是11.6，主要选择什么，大家都是依据自己的显卡（我这里是gtx3060）。安装Anaconda的安装1.下载地址：Anaconda官网具体安装教程这里不叙述了，可以看安装Anaconda教程cuda（敲重点）右键英伟达图标，打开英伟达控制面板，点击帮助-点击系统信息-点击组件找到cuda对应版本，比如我这里是11.6，所以去官网下载对
cuda11.6配置torch环境（运行yolov5项目）从配置环境到运行项目安装Anaconda的安装cuda（敲重点）下载torch（再次敲重点）从配置环境到运行项目首先推荐一个b站的一个up视频，yolov5目标检测，这里up用的是cuda10.2，我用的是11.6，主要选择什么，大家都是依据自己的显卡（我这里是gtx3060）。安装Anaconda的安装1.下载地址：Anaconda官网具体安装教程这里不叙述了，可以看安装Anaconda教程cuda（敲重点）右键英伟达图标，打开英伟达控制面板，点击帮助-点击系统信息-点击组件找到cuda对应版本，比如我这里是11.6，所以去官网下载对
报错情况报错一在任意python文件下运行这几行命令print("是否可用：",torch.cuda.is_available())#查看GPU是否可用print("GPU数量：",torch.cuda.device_count())#查看GPU数量print("torch方法查看CUDA版本：",torch.version.cuda)#torch方法查看CUDA版本print("GPU索引号：",torch.cuda.current_device())#查看GPU索引号print("GPU名称：",torch.cuda.get_device_name(1))#根据索引号得到GPU名称输出、报
报错情况报错一在任意python文件下运行这几行命令print("是否可用：",torch.cuda.is_available())#查看GPU是否可用print("GPU数量：",torch.cuda.device_count())#查看GPU数量print("torch方法查看CUDA版本：",torch.version.cuda)#torch方法查看CUDA版本print("GPU索引号：",torch.cuda.current_device())#查看GPU索引号print("GPU名称：",torch.cuda.get_device_name(1))#根据索引号得到GPU名称输出、报
RuntimeError:CUDAerror:device-sideasserttriggeredCUDAkernelerrorsmightbeasynchronouslyreportedatsomeotherAPIcall,sothestacktracebelowmightbeincorrect.FordebuggingconsiderpassingCUDA_LAUNCH_BLOCKING=1./pytorch/aten/src/ATen/native/cuda/IndexKernel.cu:93: operator():block:[0,0,0],thread:[70,0,0] Asser
RuntimeError:CUDAerror:device-sideasserttriggeredCUDAkernelerrorsmightbeasynchronouslyreportedatsomeotherAPIcall,sothestacktracebelowmightbeincorrect.FordebuggingconsiderpassingCUDA_LAUNCH_BLOCKING=1./pytorch/aten/src/ATen/native/cuda/IndexKernel.cu:93: operator():block:[0,0,0],thread:[70,0,0] Asser
1、显卡驱动的安装最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。1.1、查看自己的显卡。具体操作：我的电脑-——属性——设备管理器——显示适配器1.2、驱动的下载、安装。在找到自己的显卡后，去NVIDIA官网下载安装驱动 选择自己的显卡类型，如果你是GTX显卡，有可能只能选择GameReady，区别很小，能用就行1.3、显卡驱动安装检测win+R输入cmd 打开窗口后输入：nvidia-smi 如果成功显示显卡数据，恭喜。右上角的11.6，说明我的显卡驱动最高支持11.6的cuda。但我肯定不能安装11.6，因为py
