Nvidia GeForce GT730不支持Pytorch 1.2.x GPU功能与可能解决办法及Pytorch各版本CUDA Capability兼容列表

原创 2022-11-01 09:56:32 4w 阅读 AI写同款
指点河山
指点河山 博客等级 码龄15年 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 4w累计阅读 4w+平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要
11粉丝11篇原创
关注
基于GeForce GT 730显卡的Pytorch-GPU环境及Spyder配置 基于GeForce GT 730显卡的Pytorch-GPU环境及Spyder配置、CUDA加速测试 阅读详情
AI摘要

博主在Windows 10系统下，基于Pytorch GPU版本训练时间序列LSTM模型，因显卡为Nvidia GeForce GT730，运行时提示警告，Pytorch版本目前支持Capability 3.7以上效能，而GT730为3.5。文中给出可能解决办法，还分享了Pytorch各版本CUDA Capability支持情况。

问题：

近期在Windows 10 Pro 64位系统下，想基于Pytorch GPU版本进行时间序列LSTM模型的训练，机器配置为数年前的硬件，显卡是Nvidia GeForce GT730，CUDA版本是11.4， 如下所示： 

在安装了Nvidia Windows相关驱动及CUDA工具包之后，根据官方推荐，进行了如下安装： 

Previous PyTorch Versions | PyTorch                

# CUDA 11.3
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

成功安装后，显示版本已具备CUDA功能，如下：

但在将程序调整为GPU相关的支持后，当运行时会提示下面的警告： 

显示GT 730是较旧版本，具备CUDA Capability 3.5， 而Pytorch版本目前支持 Capability 3.7以上的效能，因而可以断定该Pytorch GPU能力无法在GT 730的CUDA上发挥。

这点判断可以从以下命令行可以直观看到： 

从网络多种资源（包括官方支持), 得到的信息是Pytorch 1.5以前的版本（有说 1.3.1) 才提供Capabilities 3.5的内置支持。  

可能解决办法：

可以参考以下链接，Pytorch技术人员提供了当前版本Pytorch能够支持GT730 3.5 CUDA Capability的方法：  

PyTorch for Tesla k40c with cuda 11.2 - #4 by ptrblck - PyTorch Forums

为使最新版本具备支持GT 730 CUDA的能力，需要按照其中的建议进行编译：

https://github.com/pytorch/pytorch#from-source

鉴于Tensorflow版本可以发挥GPU能力，本人对上述方案尚未实际尝试，仅供参考。 

Pytorch CUDA Compute Capability各版本支持情况 

有高手将Pytorch各官方版本的CUDA  Capability支持情况用Python脚本进行了分析汇总，可以参见以下链接： 

GitHub - moi90/pytorch_compute_capabilities

https://github.com/moi90/pytorch_compute_capabilities/blob/main/table.md​​​​​​​​​​​​​​




 

截止2022年10月底的列表如下， Appreciate MOI90's smart work again!

其中相关讨论有时间也可以参考： 

    https://discuss.pytorch.org/t/gpu-compute-capability-support-for-each-pytorch-version/62434/7
 

packagearchitectures
pytorch-1.12.1-py3.7_cuda11.6_cudnn8.3.2_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.12.1-py3.7_cuda11.3_cudnn8.3.2_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.12.1-py3.7_cuda10.2_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.12.0-py3.7_cuda11.6_cudnn8.3.2_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.12.0-py3.7_cuda11.3_cudnn8.3.2_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.12.0-py3.7_cuda10.2_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.11.0-py3.7_cuda11.5_cudnn8.3.2_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.11.0-py3.7_cuda11.3_cudnn8.2.0_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.11.0-py3.7_cuda11.1_cudnn8.0.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.11.0-py3.7_cuda10.2_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.10.2-py3.7_cuda11.3_cudnn8.2.0_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.10.2-py3.7_cuda11.1_cudnn8.0.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.10.2-py3.7_cuda10.2_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.10.1-py3.7_cuda11.3_cudnn8.2.0_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.10.1-py3.7_cuda11.1_cudnn8.0.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.10.1-py3.7_cuda10.2_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.10.0-py3.7_cuda11.3_cudnn8.2.0_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.10.0-py3.7_cuda11.1_cudnn8.0.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.10.0-py3.7_cuda10.2_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.9.1-py3.7_cuda11.1_cudnn8.0.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.9.1-py3.7_cuda10.2_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.9.0-py3.7_cuda11.1_cudnn8.0.5_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.9.0-py3.7_cuda10.2_cudnn7.6.5_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.1-py3.7_cuda11.1_cudnn8.0.5_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.8.1-py3.7_cuda10.2_cudnn7.6.5_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.1-py3.7_cuda10.1_cudnn7.6.3_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.0-py3.7_cuda11.1_cudnn8.0.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80, sm_86
pytorch-1.8.0-py3.7_cuda10.2_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.8.0-py3.7_cuda10.1_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.1-py3.7_cuda11.0.221_cudnn8.0.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80
pytorch-1.7.1-py3.7_cuda10.2.89_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.1-py3.7_cuda10.1.243_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.1-py3.7_cuda9.2.148_cudnn7.6.3_0sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.7.0-py3.7_cuda11.0.221_cudnn8.0.3_0sm_37, sm_50, sm_60, sm_61, sm_70, sm_75, sm_80
pytorch-1.7.0-py3.7_cuda10.2.89_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.0-py3.7_cuda10.1.243_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.7.0-py3.7_cuda9.2.148_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.6.0-py3.7_cuda10.2.89_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.6.0-py3.7_cuda10.1.243_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.6.0-py3.7_cuda9.2.148_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.5.1-py3.7_cuda10.2.89_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.1-py3.7_cuda10.1.243_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.1-py3.7_cuda9.2.148_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.5.0-py3.7_cuda10.2.89_cudnn7.6.5_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.0-py3.7_cuda10.1.243_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.5.0-py3.7_cuda9.2.148_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.4.0-py3.7_cuda10.1.243_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.4.0-py3.7_cuda10.0.130_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.4.0-py3.7_cuda9.2.148_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.3.1-py3.7_cuda10.1.243_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.1-py3.7_cuda10.0.130_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.1-py3.7_cuda9.2.148_cudnn7.6.3_0sm_35, sm_37, sm_50, sm_60, sm_61, sm_70
pytorch-1.3.0-py3.7_cuda10.1.243_cudnn7.6.3_0sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.0-py3.7_cuda10.0.130_cudnn7.6.3_0sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.3.0-py3.7_cuda9.2.148_cudnn7.6.3_0sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.2.0-py3.7_cuda10.0.130_cudnn7.6.2_0sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.2.0-py3.7_cuda9.2.148_cudnn7.6.2_0sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.2.0+cu92-py3.7_cuda9.2.148_cudnn7.6.2_0sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.1.0-py3.7_cuda10.0.130_cudnn7.5.1_0sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.1.0-py3.7_cuda9.0.176_cudnn7.5.1_0sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.0.1-py3.7_cuda10.0.130_cudnn7.4.2_2sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.1-py3.7_cuda10.0.130_cudnn7.4.2_0sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.1-py3.7_cuda9.0.176_cudnn7.4.2_2sm_35, sm_50, sm_60, sm_70
pytorch-1.0.1-py3.7_cuda9.0.176_cudnn7.4.2_0sm_35, sm_50, sm_60, sm_61, sm_70
pytorch-1.0.1-py3.7_cuda8.0.61_cudnn7.1.2_2sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61
pytorch-1.0.1-py3.7_cuda8.0.61_cudnn7.1.2_0sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61
pytorch-1.0.0-py3.7_cuda10.0.130_cudnn7.4.1_1sm_30, sm_35, sm_50, sm_60, sm_61, sm_70, sm_75
pytorch-1.0.0-py3.7_cuda9.0.176_cudnn7.4.1_1sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61, sm_70
pytorch-1.0.0-py3.7_cuda8.0.61_cudnn7.1.2_1sm_20, sm_35, sm_37, sm_50, sm_52, sm_53, sm_60, sm_61

这个问题花费了不少时间，为避免无为的时间浪费，特此共享。

标签
#windows #pytorch #深度学习 #linux
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。
【深度学习】 为Tesla K40c（显卡算力小于3.5）安装pytorch（要求显卡算力3.7以上）笔记 因为我的显卡算力是3.5，但pytorch支持最低的算力是3.7。所以直接在pytorch官网下载的pytorch用不了。 阅读详情

相关推荐

老显卡（GT730）也能跑PyTorch！保姆级避坑指南：从CUDA 9.2到VS2015的完整配置流程

本文详细介绍了如何在老旧显卡GT730上配置PyTorch开发环境，包括CUDA 9.2、cuDNN 7.6.5和VS2015的安装与优化。通过精准的版本控制和系统配置，即使是低算力显卡也能流畅运行深度学习框架，适合硬件有限的开发者入门学习。

weixin_26712075的博客 273

NVIDIA GeForce GT 730 配置 CUDA

1.下 cuda toolkit 8.0 CUDA Toolkit 8.0 GA1 Download | NVIDIA Developer 2.下 cuDNN 6.0 cuDNN Archive | NVIDIA Developer 3. 把 cuDNN 里的 bin、include、lib 里的东西放到 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0 相应文件夹里 4. 5. conda install pytorch==1.

GIS骆驼的GIS博客 8824

别再乱装PyTorch了！手把手教你根据显卡算力（Compute Capability）选对版本（附GeForce 920M实测）

本文详细解析了如何根据显卡算力（Compute Capability）精准匹配PyTorch版本，避免常见的`RuntimeError: no kernel image`错误。通过实测案例和诊断流程，帮助开发者正确选择PyTorch和CUDA版本，提升深度学习环境搭建效率。

weixin_30412167的博客 433

Windows下Anaconda+CUDA+CUDNN+Pytorch+VSCODE安装配置及常见问题（可行方案）

另外，若有其它问题也可留言交流；此处内容主要针对小白的学习交流。

wzkiou的博客 3362

究极pytorch环境搭建

不使用GPU （用于比较小的项目，稍微大点的都要用GPU，如果硬件允许最好装GPU版） 1： 下载Anaconda 2： 打开Anaconda Navigator - Enviroment， 它自带一个base环境 左下角Creat一个环境， 这个环境里有python的版本选择，所以不用单独下一个python 这里我创了一个pytorch环境，用来专门跑pytorch框架的项目 3 打开刚刚创的环境， 点绿色三角形， open Terminal 这里就进入了刚刚搭的虚拟环境中， 进入pythorch官

gongjie1996的博客 3579

Linux下安装FastDFS及生成缩略图

1. 安装编译环境 yum install git gcc gcc-c++ make automake vim wget libevent -y 2. 安装libfastcommon基础库 mkdir /root/fastdfs cd /root/fastdfs git clone https://github.com/happyfish100/libfastcommon.git --depth 1 cd libfastcommon/ ./make.sh && ./make.sh ins

weixin_45234710的博客 1373

PyTorch（GeForce GT 730） 环境搭建

显卡： GeForce GT 730结论：安装成功，但是在参考文章时，遇到错误暂时没有解决，有点心累。换一个好一点的显卡，运行上MNIST识别应该会成功吧。

杨 2038

从婴儿学步到工业级应用：VLA的‘隐式标定‘原理通俗图解

本文深入解析VLA（Vision-Language-Action）模型的'隐式标定'原理，通过类比婴儿学习机制，揭示其如何替代传统手眼标定技术。文章对比了工业机器人传统标定与VLA数据驱动方法的差异，并可视化神经网络注意力机制，展示其在空间关系编码上的突破性进展。最后探讨了VLA在工业应用中的优势与混合架构解决方案。

pz890123456的博客 323

cuda 9.0 安装torch 0.4_一次不太顺畅的Pytorch编译安装的后记

一，起因学校主力机没有带回家，本来打算在家随便看点东西开学返校继续搞，因为众所周知的原因，计划破产了。家里电脑比较旧，E3 2130V2，8G内存还是可以凑活用一下。Win10下换好新驱动，装完CUDA，官网找好安装命令，装完打开跑了一下就发现一个不太对的问题：>>> import torch >>> torch.cuda.is_available() True...

weixin_39711959的博客 454

PAT|中国大学MOOC-浙江大学翁恺-C语言程序设计习题集（更新中）

##2-0. 整数四则运算 时间限制：400 ms 内存限制：65536 kB 代码长度限制：8000 B 判题程序：Standard 作者：乔林（清华大学） 本题要求编写程序，计算2个正整数的和、差、积、商并输出。题目保证输入和输出全部在整型范围内。 输入格式： 输入在一行中给出2个正整数A和B。 输出格式： 在4行中按照格式“A 运算符 B = 结果”顺序输出和、差、积、商。 输入样例： 3 ...

小鱼波波波 6万+

RU.EXE实用指南：从基础操作到高级调试技巧

本文是RU.EXE（RW Everything）的实用指南，详细介绍了这款硬件调试工具从基础操作到高级技巧的全过程。文章阐述了RU.EXE作为直接读写硬件寄存器、内存和PCI配置空间的强大工具，如何帮助硬件工程师和开发人员高效进行底层系统调试与故障排查，并强调了安全操作的重要性。

weixin_29228203的博客 278

PyTorch安装成功，但不能使用GPU功能：PyTorch no longer supports this GPU. CUDA error: no kernel image is available

PyTorch安装成功，但不能使用GPU功能：提示到RuntimeError: CUDA error: no kernel image is available for execution on the device CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect. For debugging consider passi

Riger Zhang的博客 2万+

树莓派介绍与可安装的操作系统

树莓派是一款由英国树莓派基金会开发的信用卡大小的微型计算机。处理器（CPU）内存（RAM）图形处理器（GPU）USB 接口网络接口（以太网和 Wi-Fi）视频输出（HDMI）音频输出用户只需添加电源、存储卡、显示器和输入设备（键盘、鼠标），就可以将其当作一台功能齐全的电脑使用。主要特点：低成本：价格亲民，适合教育和个人项目。小巧便携：体积小，便于携带和部署。功能强大：支持多种编程语言和操作系统，功能不逊于传统电脑。树莓派从最初的教育工具发展成为功能强大的多用途平台。最新的树莓派 5。

像风一样自由的博客 2196

Windows下查看显卡型号及所支持的CUDA版本

参考链接：https://blog.csdn.net/weixin_55775980/article/details/116074359 通常针对NVIDIA显卡，使用nvidia-smi命令，在cmd窗口下输入nvidia-smi命令，显示所安装的显卡类型，所支持的CUDA版本等信息。如下 可以看到显卡的型号为GeForce GT 730，驱动版本号461.37，对应的CUDA版本11.2，这样就可以下载对应版本的CUDA和cuDNN以支持深度学习神经网络运算。 此命令在Linux系统下应该也有

星光 9684

Android音频学习(十四)——加载音频设备

loadHwModule 是 Android 音频系统的核心初始化函数，负责加载音频硬件抽象层（HAL）的模块实现。它建立 AudioPolicyService 与底层硬件的桥梁，将配置文件(audio_policy_config.xml)中的标签<module>定义转化为可操作的硬件对象，加载的是音频硬件模块（HAL实现），每个模块对应一种音频设备类型，以动态库的形式存在，负责与底层音频硬件交互。

miemie2014的博客 1730

RK3588 开启多窗口

这样就支持多窗口了。

tzj1058756809的博客 266

Geforce GT 730 部署paddleocr服务GPU版本乱码记录

安装的paddlepaddle-gpu版本，谁料出现的问题是CPU版本的可以正常的识别，而GPU版本的会出现乱码的情况，鄙人加了个班把几个cuda版本都试了一遍，还是一如既往的乱码，除了乱码问题之外还出现了。基本上这三行命令可以搞定！这里需要注意是，有的cudnn库解压之后文件夹有的叫做lib有的叫做lib64，主要是想就是把cudnn 库里的文件复制到cuda里就行，对齐文件名就OK。了如下的报错，解决这个问题的方法在paddle的官方找到了一行命令解决的！1. NVIDIA显卡驱动 官网贴在后面。

qq_41999614的博客 1620

RK3568实现蓝牙音箱功能

A2DP旨在通过蓝牙连接传输高质量的立体声音频流。它使用的基本压缩算法是SBC（Sub-Band Coding）来减小音频数据的大小，同时保持高音质，SBC压缩虽然效率较低，但是是必须支持的基本备用方案。A2DP还支持其他高级编解码器，例如AAC、aptX和LDAC，这些编解码器比SBC提供更好的音质，但这些编解码器的支持取决于设备本身的支持情况。注意A2DP协议要与AVRCP协议区分开。A2DP是传输音频的，而AVRCP是用来控制音频的。这里我用到的是RK3568 Android11。

leikko的博客 1173

PyTorch no longer supports this GPU because it is too old.

今天在linux系统，gtx 960显卡， cuda 9.1版本上用pytorch操作显卡，报出了如下warning“PyTorch no longer supports this GPU because it is too old.”，且程序出现 Runtime Error。谷歌半天后，解决方法如下：首先，我的 pytorch 是在安装完 anaconda 后用 pytorch 官网给出的 co...

耳东鹿其 9072

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

要指定版本号才能激活你创建的环境，也不知道是什么原因

python的创建与激活要点

wan5555的博客 310

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

RuntimeError: cuDNN error: CUDNN_STATUS_ARCH_MISMATCH

RuntimeError: cuDNN error: CUDNN_STATUS_ARCH_MISMATCH 简单点说就是GPU能力不行，我暂时没有找到好办法去处理，有没有大佬可以救救。

weixin_49872110的博客 968

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

python3.7 eric6安装教程

01 安装指定版本pyqt5，否则spyder打不开 ​# 安装pyqt5 pip install pyqt5==5.10.1 # 安装pyqt5-tools pip install PyQt5-tools==5.10.1.1.3 ​ 02 参考 博客 https://blog.csdn.net/weixin_43609059/article/details/83747787 ...

weixin_41983807的博客 1062

解决pytorch检测不到cuda的问题/pytorch找不到GPU

解决torch检测不到cuda的问题

weixin_44952817的博客 3万+

Windows10+Darknet+YOLOv3训练自己数据（GPU）——2.CUDA+cuDNN+Darknet框架配置

2.CUDA+cuDNN+Darknet框架配置 第一次尝试了博主基于Keras/TensorFlow框架的YOLOv3模型训练方法，该方法操作起来比较便捷，也容易上手，但是用CPU训练模型，我有2000张图片，训练时粗略计算了一下需要750+h的时间，整整31个昼夜啊！！！万一最后模型不理想，那岂不是要搞好几个月。所以后面果断放弃，如果训练样本少的小伙伴可以尝试此法，的确很便捷。 第二次基于Darknet框架使用GPU训练模型，仅需要66个小时，速度快得让人睡着都能笑醒。由于大多数教程都是针对Linux系

qq_34241387的博客 1718

hdoj 1075翻译玛雅文 字典树之三

What Are You Talking About Time Limit: 10000/5000 MS (Java/Others)Memory Limit: 102400/204800 K (Java/Others)Total Submission(s): 9040Accepted Submission(s): 2832 Problem Description I...

weixin_30376323的博客 233

【问题解决】如何查看显卡 cuda 版本

如何查看 cuda 版本

呆呆的猫的博客 620
上一篇： VS Code启动时终端Python虚拟环境激活显示vscode conda activate xxx CommandNotFoundError...
下一篇： Windows 10 Docker默认存储位置更改
点赞 14
评论 0
书签 书签 24
指点河山
指点河山
博客等级 码龄15年 11粉丝 11原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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