深度学习环境搭建（每次都要搜 烦死）

已于 2023-04-20 21:49:03 修改
阅读量738 收藏 3
点赞数
分类专栏： 杂记 文章标签： 大数据
于 2022-06-23 14:00:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Parkerfive/article/details/125425758
版权

Ubuntu20.04

anconda

cuda11.1

cudnn8.0.5

torch1.8.0

Linux系统CUDA10.2+CUDNN安装教程_周先森爱吃素的博客-优快云博客_linux安装cuda10.2

Ubuntu18.04/20.04复现RandLA-net网络 环境搭建 记录_Parkerfive的博客-优快云博客

Ubuntu20.4+CUDA11.1+ CUDNN8.05_schoolblack的博客-优快云博客

base环境下换源

cuda11.1.1

wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run

安装

sudo sh cuda_11.1.1_455.32.00_linux.run

cudnn8.0.5

torch1.8.0

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1

spconv1.2.1安装（非非非非非---常常----烦，谁用就是🐶）

必须base完整安装cuda+cudnn

third_party->pybind11->GitHub - pybind/pybind11 at 3b1dbebabc801c9cf6f0953a4c20b904d444f879

Spconv库安装教程_小张好难瘦的博客-优快云博客_spconv

安装spconv1.2.1版本_每天都不想学习的Cora的博客-优快云博客_spconv版本

spconv1.2.1安装指南_Ziu_Dakin的博客-优快云博客_spconv

torch、torch-scatter、torch-sparse版本依赖问题_imiss、Mickey的博客-优快云博客

AutoML遇上持续学习：自动化AI模型进化方案
AI智能探索者的博客
05-31 898
模型训练门槛高：手动调参、特征工程需要专业知识，中小团队难以负担；数据动态变化：用户行为、市场趋势不断演变，静态模型很快“过时”。本文将聚焦“AutoML+持续学习”的解决方案，覆盖技术原理、实战方法及未来趋势，帮助读者理解如何让AI模型“自动进化”。本文将按“故事引入→核心概念→技术原理→实战案例→应用场景→未来展望”的逻辑展开，用“自动做菜机”的比喻贯穿始终，确保复杂概念易懂。AutoML。
从数据到智能：AI原生应用中的意图识别全流程解析
最新发布
AI天才研究院
05-31 692
当您对手机说"帮我查查快递到哪了"，或对客服机器人输入"我的包裹三天没动了"时，背后支撑这些交互的核心技术就是意图识别。意图识别的核心概念与技术逻辑数据标注与预处理的实战技巧主流模型的选择与训练方法实际应用中的常见挑战与解决方案本文将按"故事引入→概念拆解→技术原理→实战演练→应用场景→未来趋势"的逻辑展开。用"快递查询助手"的开发故事引出主题用生活比喻解释"意图识别"的核心概念拆解数据标注、模型训练、效果评估的技术细节提供可复现的Python代码示例。
自己搭深度学习环境踩坑血泪史
GungnirsPledge的博客
05-10 1240
国内小白搭深度学习环境踩坑血泪史从一个沮丧的事情开始问题1 : 强行更新了一次win10后, 双系统里的ubuntu的启动项就没了，直接进入win10系统问题2 : sudo apt-get update 总是超时问题3 : conda install 和 pip install 总是超时问题4 : conda 里的环境不会管理，各种包下一个环境里，同类多个版本冲突， 异类多个版本不兼容，最后心态爆炸问题5 : torch.cuda.is_available() 总是false, 明明以前还可以true问题
写给深度学习工程师的本地基础环境搭建（采坑）指南2022年
weixin_36792721的博客
05-10 372
瞧一瞧，看一看，说人话的最新版CUDA环境搭建（采坑）指南（2022）
【MOS】《SalsaNext: Fast, Uncertainty-aware Semantic Segmentation of LiDAR Point Clouds······
qq_51954707的博客
04-13 1133
论文中经实验证明，转换为鸟瞰图BEV时效果最好，所以SalsaNet采用此方式，BEV是四通道（点在原来点云中的平均高度、最高高度、平均反射率以及投影点数目），SFV是六通道（3d坐标系下的坐标、强度值i、范围r以及一个用于表示是否被占用的掩码）贝叶斯网络（BNN）与反向传播网络（BPNN）：反向传播网络在优化完毕后，其权重是一个固定的值，而。写得太好了，搞的我都不想自己看了（大家还是别偷懒，看看前辈的经验也要自己再认真看原文），所以贝叶斯神经网络需要优化的参数是反向传播网络的两倍。
【Cylinder3D论文解读及代码略解】
sunny_ran123的博客
05-05 3867
Cylinder3D论文解读及代码略解论文解读AbstractIntroductionRelated work室内点云分割室外点云分割3D体素划分Methodology(本文方法)Cylindrical PartitionAsymmetrical 3D Convolution NetworkAsymmetrical Residual BlockDDCMPoint-wise Refinement Module目标函数实验部分Dataset and Metricsemantic KITTI：nuScenes：E
安装库报错：No CUDA runtime is found, using CUDA_HOME=‘/usr/local/cuda-11.3‘
weixin_41169280的博客
03-07 3万+
cuda与torch版本问题
百度AI Studio飞桨平台 “深度学习”结课总结
ingol的博客
04-11 1646
结课总结 2020.4.1-2020.4.8期间参加了百度AI Studio的“深度学习7日入门-CV疫情特辑”课程，这是今年自新冠疫情以来参加的第一次线上课程，偶尔通过paddlepaddle的公众号推送获得该课程的开课信息。该课程主要通过教师网络直播，学生在AI STUDIO上完成作业和竞赛，通过群里讨论的方式来开展，通过该课程，基本了解的深度学习的基本概念，在完成作业的基础上了解了深度学习的...
动手学深度学习实现DAY-2
weixin_40054643的博客
02-19 1941
节选自“ElitesAI·动手学深度学习PyTorch版” Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶（1天） Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer（1天） Task05：卷积神经网络基础；leNet；卷积神经网络进阶（1天） 过拟合、欠拟合及其解决方案 过拟合、欠拟合的概念 权重衰减 丢弃法 模型选择...
实时推荐系统开发：AI原生应用的流处理技术实践
AI天才研究院
05-27 757
随着抖音、拼多多等“秒级响应”应用的普及，用户对推荐系统的期待已从“准”升级为“准且快”。流处理技术如何解决传统批处理的延迟瓶颈？AI原生应用中，流处理与模型训练/推理的深度融合方法？如何构建低延迟、高可靠的实时推荐工程链路？用“用户刷电商App 1秒内的推荐流程”故事引入流处理的必要性；拆解流处理、AI原生、实时特征等核心概念，用“快递流水线”类比技术细节；结合Flink、Kafka等工具，讲解流处理的核心算法（如窗口计算、状态管理）；
SALSA算法介绍
10-18
SALSA算法的介绍性文章。非常好的入门资料
Cylinder3D:SemanticKITTI语义分段（单扫描和多扫描）排行榜中排名第一（2020年11月）（CVPR2021 Oral）
05-01
圆柱和非对称3D卷积网络用于LiDAR分割 我们的工作“用于LiDAR分割的圆柱和非对称3D卷积网络”的源代码 消息 2021-03 [NEW :fire: ] Cylinder3D被接受为CVPR 2021的口头报告 2021-01 [NEW :fire: ] Cylinder3D在SemanticKITTI多扫描语义分割的排行榜中排名第一 2020-12 [NEW :fire: ] Cylinder3D实现了激光雷达nuScenes分割的挑战的第2位，用米欧= 0.779，fwIoU = 0.899和FPS = 10Hz的。 2020-12我们发布了具有nuScenes数据集支持的Cylinder3D新版本。 2020-11我们初步发布了Cylinder3D--v0.1，支持在SemanticKITTI和nuScenes上进行LiDAR语义分割。 2020-11我们的工作实现了SemanticKITT
LiDAR语义分割模型的鲁棒性基准测试
点云PCL
01-16 924
点云PCL免费知识星球，点云论文速读。文章：Benchmarking the Robustness of LiDAR Semantic Segmentation Models作者：Xu Yan, Chaoda Zheng, Zhen Li2, Shuguang Cui，and Dengxin Dai编辑：点云PCL来源：arXiv 2023欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈。...
激光雷达点云语义分割论文阅读小结
Polaris的博客
07-29 2548
点云数据一般是由激光雷达等3D扫描设备获取的空间若干点的信息，一般包括(X,Y,Z)位置信息、RGB颜色信息和强度信息等，是一种多维度的复杂数据集合。相比于2D图像来说，3D点云数据可以提供丰富的几何、形状和尺度信息，不易受光照强度变化和其它物体遮挡的影响。点云可以通过四种主要技术获得：基于不同原理获取的点云数据，其数据的表示特征和应用的范围也各不相同。激光雷达（LiDAR）点云数据，是由三维激光雷达设备扫描得到的空间点的数据集，每一个点都包含了X、Y、Z三维坐标信息，有的还包含颜色信息、反射强度信息、回波
3D 语义分割——Cylinder3D
steven_ysh的博客
07-06 3330
本文是阅读论文 Cylinder3D 后做的笔记，首先简要地介绍了 Cylinder3D 网络结构，然后再详细地介绍该网络中的组成部件（包括圆柱形划分方法、非对称三维卷积网络、point-wise refinement 模块），最后再简单地介绍了该网络的损失函数。 文末附有论文和代码地址，以及相关补充的文章。......
cylinder3d -学习记录
点云算法工程师
12-20 911
它利用增加的网格来覆盖较远的区域，从而更均匀地将点分布在不同区域，并匹配室外点的分布。此外，与这些基于投影的方法将点投影到 2D 视图不同，此方法保留 3D 网格表示以保留几何结构。该框架由两个部分组成，包括 3D 圆柱体分区（以获得 3D 表示）和 3D U-Net（处理 3D 表示）。首先，将笛卡尔坐标系上的点转换为 Cylinder 坐标系，在那里计算半径 ρ 和方位角 θ。目的：通过一系列线性变换和非线性处理，对输入特征进行逐点的提取和转换。，注意这种分割表示区域越远，体素越大。
ubuntu下100%成功安装torch,同时配置cuda和cudnn（不成功，则成仁）
热门推荐
Hungryof的专栏
06-01 6万+
总说 这些更新不影响主体。所有更新附加在文章最后。 第一次更新： 内容：添加一些Torch7常用库的安装，时间：2017.3.20 第二次更新：内容：某些torch库无法在线安装，转成离线安装的方法，时间：2017.3.31 第三次更新：内容：针对安装”cutorch”时出错的问题修复。时间：2017.5.11 第四次更新：内容：加入cudnn6.0的安装。 时间：2017.5.19
Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation（论文阅读笔记）
jiluonian的博客
03-18 3816
Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic Segmentation（论文阅读）
最新SOTA | 基于range和camera融合的多模态3D语义分割（IV2022）
3D视觉工坊
09-23 828
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨Penny@知乎来源丨https://zhuanlan.zhihu.com/p/200924181摘要自动驾驶汽车的鲁棒环境感知是一项巨大的挑战，这使得多传感器配置与例如相机、激光雷达和雷达至关重要。在理解传感器数据的过程中，3D 语义分割起着重要的作用。因此，本文提出了一种基于金字塔的激光雷达和摄像头深度融合网络，以改进交通场景下的 3...
IDEA通义灵码AI
02-25
### IntelliJ IDEA 中通义灵码 AI 功能介绍 IntelliJ IDEA 提供了一系列强大的工具来增强开发体验，其中包括与通义灵码 AI 相关的功能。这些功能可以帮助开发者更高效地编写代码并提高生产力。 #### 安装通义灵码插件 为了使用通义灵码的相关特性，在 IntelliJ IDEA 中需要先安装对应的插件： 1. 打开 **Settings/Preferences** 对话框 (Ctrl+Alt+S 或 Cmd+, on macOS)。 2. 导航到 `Plugins` 页面[^1]。 3. 在 Marketplace 中搜索 "通义灵码" 并点击安装按钮。 4. 完成安装后重启 IDE 使更改生效。 #### 配置通义灵码服务 成功安装插件之后，还需要配置通义灵码的服务连接信息以便正常使用其提供的各项能力： - 进入设置中的 `Tools | Qwen Coding Assistant` 菜单项[^2]。 - 填写 API Key 和其他必要的认证参数。 - 测试连接以确认配置无误。 #### 使用通义灵码辅助编程 一旦完成上述准备工作，就可以利用通义灵码来进行智能编码支持了。具体操作如下所示： ##### 自动补全代码片段 当输入部分语句时，IDE 将自动提示可能的后续逻辑，并允许一键插入完整的实现方案[^3]。 ```java // 输入 while 循环条件前半部分... while (!list.isEmpty()) { // 激活建议列表选择合适的循环体内容 } ``` ##### 解释现有代码含义 选中某段复杂的表达式或函数调用，右键菜单里会有选项可以请求通义灵码解析这段代码的作用以及优化意见。 ##### 生产测试案例 对于已有的业务逻辑模块，借助于通义灵码能够快速生成单元测试框架及初始断言集，减少手动构建的成本。 ```python def test_addition(): result = add(2, 3) assert result == 5, f"Expected 5 but got {result}" ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值