首先目前ffmpeg不支持在nvidiajetson平台上进行使用硬件编解码加速，但是由于nvidia提供了相对的硬件编解码加速的api，故可以将api集成到ffmpeg实现。好在国外大神多，在github上已经有人实现了。GitHub-jocover/jetson-ffmpeg:ffmpegsupportonjetsonnano这个是实现的jetsonapi的c++工程，需要编译出so库，用来给与ffmpeg编译用。GitHub-LinusCDE/mad-jetson-ffmpeg:FFmpegforkthataimstoincludealltheHWAccelforNvidiaJetson
步骤：1、安装显卡驱动；2、安装CUDA；3、安装CUDNN；4、安装Conda；5、安装Pytorch。一、系统和硬件信息1、Ubuntu20.042、显卡：1050Ti二、安装显卡驱动（已经安装的可以跳过）1、通过“附加驱动”应用安装 选择一个推荐的驱动，安装即可。2、自动安装sudoubuntu-driversautoinstall 3、手动安装手动安装之前要知道自己的显卡型号和推荐的驱动型号。查看显卡型号：ubuntu-driversdevices 手动安装驱动（以1050Ti为例）sudoaptinstallnvidia-driver-5154、检查安装在终端输入nvidia-smi
1.下载cudaCUDAToolkitArchive|NVIDIADeveloperPreviousreleasesoftheCUDAToolkit,GPUComputingSDK,documentationanddeveloperdriverscanbefoundusingthelinksbelow.Pleaseselectthereleaseyouwantfromthelistbelow,andbesuretocheckwww.nvidia.com/driversformorerecentproductiondriversappropriateforyourhardwareconfigur
一、OpenCV我这里是下载的OpenCV4.5.4，但是不知道到在vs里面build时一直报错，后面换了4.7.0的版本测试，安装成功。ReleaseOpenCV4.5.4·opencv/opencv·GitHub这个里面有官方预编译好的OpenCV库，可以直接食用。扩展包：https://github.com/opencv/opencv_contrib/releases/tag/4.5.4二、cmake这里cmake版本要求应该不是很高，20以上的版本的都行。Indexof/files/v3.22三、Cudacuda版本比这里的版本低应该就行了。具体的的操作可以参考下面的一篇博文。 htt
在我们运行SD的时候，我们经常会爆CUDAOutofmemory。我们应该怎么办呢？这是因为我们的显存或者内存不够了。如果你是用cpu来跑图的则表示内存不够，这个时候就需要换个大点的内存了。如果你是用gpu来跑图的就说明你显存不够用咯，这时候咋办呢？下面我将一一述说解决办法。请用心看完，别随便看看就不看了，否则你会丢失一个重大的宝藏。1.显存不够之换显卡篇如果你显存不够用了，别慌！换显卡吧！最好换成4090。兄弟，值！建议你直接换4090，保证你嘎嘎爽。2.使用--mdevram或--lowvram降低显存消耗我们可以在配置文件中添加--mdevram或--lowvram引数配置文件：Wind
在使用nvcc-V和nvidia-smi查看cuda版本时不一致：nvcc-V版本是10.1nvidia-smi的版本是12.2上面如果能显示版本，所以是已经有驱动，首先要删除之前的驱动：1、执行以下命令，删除旧版本的驱动sudoapt-getpurgenvidia*此时执行nvidia-smi，会提示Command'nvidia-smi'notfound，按照提示安装即可：sudoaptinstallnvidia-utils-535-server安装成功后，再次执行nvidia-smi，成功，显示cuda版本为12.22、下载对应版本的cudaCUDAToolkit12.2Downloads
1、查看python版本1）键盘windows+R键，弹出如下：2、 2）点击确定，弹出如下： 3）输入python，便可输出python版本2、查看cuda版本1）打开pycharm编辑器2）输入：importtorchprint(torch.version.cuda)3）运行后输出： 3、查看pytorch版本1）打开pycharm编辑器2）输入：importtorchprint(torch.__version__)3）运行后输出： 4、查看tensorflow版本1）打开pycharm编辑器2）输入：importtensorflowastfprint(tf.__version__)
目录1问题背景2问题探索2.1CUDA固有显存2.2显存激活与失活2.3释放GPU显存3问题总结4告别Bug1问题背景研究过深度学习的同学，一定对类似下面这个CUDA显存溢出错误不陌生RuntimeError:CUDAoutofmemory.Triedtoallocate916.00MiB(GPU0;6.00GiBtotalcapacity;4.47GiBalreadyallocated;186.44MiBfree;4.47GiBreservedintotalbyPyTorch)本文探究CUDA的内存管理机制，并总结该问题的解决办法2问题探索2.1CUDA固有显存在实验开始前，先清空环境，终端
CUDA环境搭建[windows10]一、检查显卡支持的cuda版本二、安装vs2019三、安装cuda四、检测cuda是否安装成功五、配置vs项目总结：一、检查显卡支持的cuda版本（1）第一种方法：win+R打开cmd，输入nvidia-smi，我的显卡是nvidiageforcegt1030，支持的cuda版本是11.4。+-----------------------------------------------------------------------------+|NVIDIA-SMI471.41DriverVersion:471.41CUDAVersion:11.4||-
项目场景：显卡：QuadroK5200由于最近给十年前的老机器装pytorch遇到了很多问题最主要的是cuda的算力只能下载一定版本的CUDA驱动一定版本的CUDA又只能下载一定版本的pytorch在低版本的pytorch又必须是一定版本的python 提示：计算机的算力是固定的，由显卡决定。但是CUDA的版本是可以更改的，当CUDA版本过高，即使下载对应CUDA版本的Python与pytorc
