之前尝试复现学姐前几年的一个工作，但是因为框架有点古老而作罢。然鹅，自己的实验结果一直跑得十分奇怪，为了去学姐的代码中寻找参考，今天再次进行了尝试。我的需求是安装Tensorflow_gpu_1.6.0（文中简称TensorFlow），目前机器已配置cuda11和cuda10，非root用户。目录前置疑问Q1:为什么安装TensorFlow需要重装CUDA？Q2:nvidia-smi和nvcc-V显示的不是同一版本CUDA？Q3:用conda装CUDA不可以吗？结论0安装之前——检查机器配置（非root用户）查询目标配置检查机器配置安装顺序1安装gcc1.1下载gcc(以gcc6.4.0为例)
NVIDIAInfiniBand是一种被广泛使用的网络互联技术，基于IBTA(InfiniBandTradeAssociation)而定义的高带宽、低延时、低CPU占用率、大规模易扩展的通信技术，是世界领先的超级计算机的互连首选，为高性能计算、人工智能、云计算、存储等众多数据密集型应用提供了强大的网络性能支撑。通过高速的InfiniBand技术，将业务负载由单机运行转化为基于多机协作的高性能计算集群，并使高性能集群的性能得以进一步释放与优化。GreatSQL是由万里数据库维护的国内自主MySQL分支版本，专注于提升MGR可靠性及性能，支持InnoDB并行查询特性，适用于金融级应用。此次通过对比
NVIDIAInfiniBand是一种被广泛使用的网络互联技术，基于IBTA(InfiniBandTradeAssociation)而定义的高带宽、低延时、低CPU占用率、大规模易扩展的通信技术，是世界领先的超级计算机的互连首选，为高性能计算、人工智能、云计算、存储等众多数据密集型应用提供了强大的网络性能支撑。通过高速的InfiniBand技术，将业务负载由单机运行转化为基于多机协作的高性能计算集群，并使高性能集群的性能得以进一步释放与优化。GreatSQL是由万里数据库维护的国内自主MySQL分支版本，专注于提升MGR可靠性及性能，支持InnoDB并行查询特性，适用于金融级应用。此次通过对比
因为工作业务需求的关系，需编译onnxruntime引入项目中使用，主项目exe是使用的vs2017+qt5.12。onnxruntime就不用介绍是啥了撒，在优化和加速AI机器学习推理和训练这块赫赫有名就是了。有现成的别人编译好的只有dll动态库，当然我们显然是不可能使用的，因为BOSS首先就提出一定要让发布出去的程序体积尽量变少，我肯定是无法精细的拆分哪一些用到了的，哪一些代码是没用到的，还多次强调同时执行效率当然也要杠杠滴。所以下面就开始描述这几天一系列坎坷之路，留个记录，希望过久了自己不会忘记吧，如果能帮助到某些同行少走些弯路也最好：1.Clonerepo诧一听你可能会觉得一个大名鼎鼎
因为工作业务需求的关系，需编译onnxruntime引入项目中使用，主项目exe是使用的vs2017+qt5.12。onnxruntime就不用介绍是啥了撒，在优化和加速AI机器学习推理和训练这块赫赫有名就是了。有现成的别人编译好的只有dll动态库，当然我们显然是不可能使用的，因为BOSS首先就提出一定要让发布出去的程序体积尽量变少，我肯定是无法精细的拆分哪一些用到了的，哪一些代码是没用到的，还多次强调同时执行效率当然也要杠杠滴。所以下面就开始描述这几天一系列坎坷之路，留个记录，希望过久了自己不会忘记吧，如果能帮助到某些同行少走些弯路也最好：1.Clonerepo诧一听你可能会觉得一个大名鼎鼎
安装Anaconda(2022.05)最新版本https://www.anaconda.com/历史版本https://repo.anaconda.com/archive/打开安装包：nextIAgreeJustMe(影响之后创建虚拟环境的默认位置，选择JustMe虚拟环境默认在安装Anaconda文件夹下的evns文件夹下；选择AllUser虚拟环境默认安装在C:\Users\DQD.conda\envs)选择安装位置勾选第一个选项，在普通的命令行窗口可以使用Anaconda指令；若不勾选，只能在Anaconda命令行窗口中使用Anaconda指令。可选可不选。（本次不勾选）本次勾选第二个选
安装Anaconda(2022.05)最新版本https://www.anaconda.com/历史版本https://repo.anaconda.com/archive/打开安装包：nextIAgreeJustMe(影响之后创建虚拟环境的默认位置，选择JustMe虚拟环境默认在安装Anaconda文件夹下的evns文件夹下；选择AllUser虚拟环境默认安装在C:\Users\DQD.conda\envs)选择安装位置勾选第一个选项，在普通的命令行窗口可以使用Anaconda指令；若不勾选，只能在Anaconda命令行窗口中使用Anaconda指令。可选可不选。（本次不勾选）本次勾选第二个选
前几日考虑给ubuntu安装图形桌面驱动。第一次安装是在图形界面下启动终端软件跑的NVIDIA给的安装脚本，结果它跑了一半自动重启了图形界面，导致脚本被退出了。测试发现显卡确实已被驱动，但由于担心会不会有某些组件缺失，便退出到tty完完整整重新又跑了遍脚本。结果这一下一弄，重启后再次启动则在引导完成后会卡在一个左上角只有一个横杠的黑屏界面，无法进入GNOME的图形化界面。于是思考前后两下之区别-为什么脚本没跑完安装成功了，而跑完了反而卡死了？反复回忆当时的安装过程，想起来在tty下完整运行时它问过我这么一个问题：Wouldyouliketorunthenvidia-xconfigutility
前几日考虑给ubuntu安装图形桌面驱动。第一次安装是在图形界面下启动终端软件跑的NVIDIA给的安装脚本，结果它跑了一半自动重启了图形界面，导致脚本被退出了。测试发现显卡确实已被驱动，但由于担心会不会有某些组件缺失，便退出到tty完完整整重新又跑了遍脚本。结果这一下一弄，重启后再次启动则在引导完成后会卡在一个左上角只有一个横杠的黑屏界面，无法进入GNOME的图形化界面。于是思考前后两下之区别-为什么脚本没跑完安装成功了，而跑完了反而卡死了？反复回忆当时的安装过程，想起来在tty下完整运行时它问过我这么一个问题：Wouldyouliketorunthenvidia-xconfigutility
检测CUDA、cuDNN、Pytorch是否可用大家看完代码不妨看一下后文的详解哦~默子在原有基础上增加了很多新的内容。解释的更加详细，更加具体，更加新颖！废话不多说，我们直接开始。复制下列代码到IDE中运行importtorchprint('CUDA版本:',torch.version.cuda)print('Pytorch版本:',torch.__version__)print('显卡是否可用:','可用'if(torch.cuda.is_available())else'不可用')print('显卡数量:',torch.cuda.device_count())print('是否支持BF1
