最近ubuntu+gpu装机记录

ubuntu用 conda 创建虚拟环境,安装cuda+cudnn+tensorflow-gpu+opencv3 记性不好+重装系统当饭吃,记录一下常用的装机命令行。 环境:Ubuntu16.04,Anaconda3 创建虚拟环境: conda create -n env_name python=3.6 激活虚拟环境: source activate env_name 退出虚拟环境: source deactivate env_name 删除虚拟环境: conda remove -... 阅读详情

Background:

a new machine with 2 GeForce RTX 2080 Ti without OS

Steps:

ubuntu desktop + rufus + sandisk usb 制作系统安装盘

(desktop相对server更方便安装,因为有界面)

minimal installation

install third-party software for graphics and Wi-Fi hardware and additional media formats

erase disk and install ubuntu

sudo apt-get update
sudo apt-get install openssh-server build-essential htop

#in nvidia pre-installation section
sudo apt-get install linux-headers-$(uname -r)

# read documentation before install CUDA related things: https://developer.download.nvidia.com/compute/cuda/10.0/Prod/docs/sidebar/CUDA_Installation_Guide_Linux.pdf

# download the driver from here https://www.nvidia.com/Download/index.aspx?lang=en-us

# geForce RTX 2080 Ti

cd Download

sudo bash NVIDIA[tab].run

# download CUDA from https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal

sudo adduser <name>

sudo usermod -aG  sudo <name>

 

 

 

 

 

手把手带你安装window10+ubuntu18.04双系统--超详细 1.查看电脑配置 (1)操作系统的启动模式有两种:legacy+mbr模式和uefi+gpt。查看方法:按下Win+R组合键,在运行窗口中输入cmd,点击确定。 在弹出的窗口输入diskpart。 在新弹出的窗口输入 list disk 之后显示如下图所示信息,Gpt下方有星号则代表是uefi启动,没有则是传统启动模式。 (2)右键点击桌面的“我的电脑/计算机”,选择“管理”,弹出的窗口选择... 阅读详情

相关推荐

香橙派5 plus 和 max 装机后的一些技巧,rk3588

5) 然后就能看到 HDMI In 的输入画面了(下图中 HDMI In 显示的是 opi5 开发板 HDMI 输出的画面,此时正在播放一个视频)。脚本默认会将 HDMI In 输入的音频播放到开发板的 HDMI_TX1 、HDMI_TX2 和 ES8388(代表喇叭或者 耳机)中去。2) 首先使用下图所示的 HDMI 转 HDMI 线将其它设备的 HDMI 输出接到开发板的 HDMI In 接口上。l. 然后使用键盘的方向键定位到下图所示的位置,再使用。c. 设置绿灯常亮的命令如下。

babytiger的专栏 4924

win7或者win10安装Ubuntu16.04双系统方法

一,使用UltralSO制作U盘安装盘 1.点击文件夹按钮选择下载好的ubuntu系统ios文件 2.点击启动—>写入硬盘映像 3. 选择需要制作启动盘的U盘 最后选择写入,然后等6-10分钟启动U盘就可以做好了。 二 将Ubuntu的启动U盘插在电脑上,重启电脑,开机时按F12,选择U盘启动 三.安装Ubuntu: 出现安装界面选择,语言

nuanhua209的专栏 2071

Kimi K3低成本GPU计算方案:Ubuntu环境部署与优化实战

GPU计算通过并行处理大幅提升机器学习等任务的效率,其核心原理是利用数千个计算核心同时执行运算。在工程实践中,硬件选型与系统调优直接影响计算密度和能效比,尤其当采用企业级退役硬件时,成本可降低至新方案的十分之一。通过深度定制驱动和内核参数优化,能在Ubuntu环境下实现稳定的模型推理与轻量训练。这类低成本方案特别适合个人开发者和小团队在预算有限时搭建实验环境,但需注意其依赖非官方驱动和社区维护的特性。Kimi K3方案正是基于Nvidia或AMD显卡,结合务实的工程思路,将不必要的系统开销精简,为特定计算场

weixin_34356310的博客 348

Ubuntu18.04安装

前言 一直在不停的重装Ubuntu系统,从最开始的Ubuntu16.04,到后面一直折腾安装好了就没有网的Ubuntu20.04,过程实在是心累,要一直不停的找资料,现在准备自己来总结一下Ubuntu的安装过程,以及一些配置。 下载操作系统镜像 首先到Ubuntu中国官网下载最新版本的Ubuntu18.04桌面版 下载传送门:点击这里 选择64位的桌面镜像,其他版本的下载方法类似,可以直接搜索,然后进入下载。 下载启动盘制作工具 启动盘制作工具话真的是心累,先试了ultraiso,发现镜像死活写入不进硬盘

在Java的世界里拼命挣扎 1846

AMD Ryzen AI Max+ 395上部署ComfyUI:Ubuntu Server实战记录

生成式AI绘画的本地部署正成为创作者和工程师的热门实践。这一过程的核心在于理解GPU并行计算与显存容量对模型推理速度的影响,而集成显卡平台通过共享内存技术打破了传统显存瓶颈。在AMD平台上,ROCm作为GPU计算后端,与PyTorch的适配是环境配置的关键。Ubuntu Server提供了轻量稳定的系统底座,配合ComfyUI的节点化工作流,可灵活构建从文生图到视频生成的自动化管线。以Ryzen AI Max+ 395处理器为例,记录从系统安装、驱动配置到模型部署的完整过程,分享显存分配、虚拟内存、报错排查

weixin_34411563的博客 360

AI时代PC装机商的生存法则:从硬件组装到工作流架构

AI本地化部署正推动PC硬件需求从游戏娱乐向专业推理演进,其核心在于理解模型运行所需的底层硬件约束与软件协同机制。AI工作流对显存带宽、PCIe通道完整性、内存吞吐及固件兼容性提出刚性要求,远超传统装机经验范畴。技术价值体现在将客户业务指标(如首token延迟、上下文长度、72小时无OOM)精准映射为CPU/GPU/SSD/BIOS的可验证配置组合。典型应用场景覆盖法律文书生成、电商图像合成、RAG知识库构建等垂直领域,需兼顾量化精度、I/O效率与长期稳定性。本文聚焦AI装机商如何以‘故障树分析’和‘工作流

weixin_34082695的博客 324

【菜鸟学习Linux】-第三章- Linux环境搭建-使用VMware9安装Ubuntu 12.04系统

【菜鸟学习Linux】-第三章- Linux环境搭建-使用VMware9安装Ubuntu 12.04系统

开挂的程序猿 2975

9500元AMD 9600X配RTX 5060 Ti游戏主机装机配置与避坑指南

DIY装机是一项融合硬件原理与工程实践的技能,核心在于平衡CPU与显卡的预算占比。AMD 9600X基于Zen 5架构,采用AM5平台,支持PCIe 5.0与DDR5,搭配NVIDIA Blackwell架构的RTX 5060 Ti,可实现1080P满帧、2K高画质稳定运行。这套组合不仅兼容性成熟,还通过DLSS 4与16GB显存赋能AI绘图、本地大模型等场景。从主板B650M的BIOS FlashBack到650W金牌电源的选型,再到EXPO内存设置与NVIDIA驱动部署,每个环节都有避坑要点。本文以95

weixin_30417487的博客 342

ubuntu14.04安装GPU驱动、CUDA8.0、cudnn5、anaconda、tensorflow(GPU)

ubuntu14.04安装GPU驱动、CUDA8.0/ 开博第一篇,最近在折腾ubutnu,参考了很多有关的装机博客,但跟自己的情况不符合,所以决定自己开一个,以免后来的同学踩坑 机器配置简介 GPU驱动安装 CUDA8.0安装 CudannV5安装 anaconda安装 tensorflow(GPU版本)安装 theano0.7安装 机器配置简介 -系统:ubuntu14.04

u010279699的博客 655

AMD GPU 闲置算力变现:LLM推理共享平台解析

在算力需求持续攀升的背景下,GPU 资源的高效利用成为关键议题。传统云 GPU 出租存在成本高、闲置多的问题,而分散在个人或机构中的闲散显卡,尤其是 AMD 显卡,具备潜在的推理算力价值。通过虚拟化与容器化技术,依托 ROCm 软件栈,这些显卡可以被统一接入调度网络,对外提供 LLM 推理服务。这种共享算力模式不仅降低了模型部署成本,也为显卡持有者创造了新的收益渠道。Embedded LLM 推出的 AMD GPU 算力变现平台正是这一思路的落地实践,它解决了接入、计量、结算等工程难题,让闲置算力真正流动起

weixin_34293059的博客 431

QEMU安装Ubuntu 20.04的完整过程

QEMU安装Ubuntu 20.04的完整过程

phmatthaus的专栏 8798

win8+ubuntu双系统下配置theano的GPU模块

最近重装了一下机器,为了恢复开发环境又查阅了一些资料,正好有小伙伴问theano的GPU模块的配置,在这里就顺便做一个记录,防止下一次装机的时候忘记。由于个人喜好工作娱乐分开,所以考虑还是用win8+ubuntu双系统的结构。 一、装双系统 我的硬件条件是Toshiba的laptop,i7四核cpu,8g内存,GeFroce 2g显存。考虑装个win8娱乐,由于win8

星火 1407

从零实现高精度手势检测:OpenCV+MediaPipe模型移植实战(2)(附c++完整代码)

上篇已经介绍了手掌检测的方法。本章将在手掌检测的基础上,完成手指关节的检测。

qq_37160641的博客 2667

win10系统盘制作和 ubuntu 20 装机体验之旅: Nouveau 禁用、Cuda安装

最终考虑再三,由于3070Ti 这类的显卡 对于 当前的笔记本电脑电量消耗太快,2个小时就没电了,给了我一种笔记本还不如台式电脑的感觉;先说一下优点:16G内存、最新代的 i7 , 3070Ti 这等笔记本配置 在 2022 年算是顶配了,办公体验当然是很流畅的(比如:打开100+网页、打开10+ Pycharm 或者 VSCode 编辑器项目 )

专注于AI领域前沿技术学习与分享:目标检测、图像修复、超分重建、AI工程化 970

LangGraph实战:用Plan-and-Execute模式5步搭建智能问答机器人(附Tavily搜索集成)

本文详细介绍了如何利用LangGraph的Plan-and-Execute模式,通过规划、执行、动态调整三个核心阶段,构建一个能够处理复杂多步骤问题的智能问答机器人。文章提供了从环境配置、状态管理到核心节点(规划、执行、重新规划)实现的完整实战指南,并集成了Tavily搜索工具,展示了如何将智能任务规划应用于实际信息查询场景。

weixin_29258297的博客 341

STC8单片机高精度EV1527解码实战:定时器捕获+状态机抗干扰方案

EV1527是一种广泛应用于433MHz无线遥控的曼彻斯特编码协议,其核心在于对脉宽时序(如同步头、逻辑0/1)的微秒级精确识别。传统外部中断+延时判别方式受MCU中断延迟、编译优化及环境噪声影响,极易导致误码;而基于硬件定时器输入捕获的解码方案,将时间测量交由硬件完成,显著提升时序鲁棒性与温度/电压适应性。该技术适用于STC8等无专用无线解码外设的8位单片机,在智能开关、晾衣架、车库门控等IoT终端中实现低至0.003%的稳定误码率。本文聚焦STC8H系列利用T1定时器下降沿捕获与有限状态机协同解码EV1

weixin_29188997的博客 181

ubuntu18.04装机(二)gitlab, CUDA, conda,pip, pytorch, pycharm Professional, vscode,FinalShell

gitlab 配置ssh key

zxxRobot的博客 831

AI辅助决策支持系统架构设计避坑:5个常见技术选型误区及正确方案

AI辅助决策支持系统(AI-DSS)是指通过人工智能技术(机器学习、自然语言处理、知识图谱等)赋能传统决策支持系统,帮助决策者在复杂业务场景中(如供应链优化、风险控制、医疗诊断、金融投资等)提升决策效率和准确性的系统。与传统BI工具不同,AI-DSS不仅能"展示数据",还能基于数据生成"决策建议"甚至"自动执行决策"。技术选型是AI-DSS架构设计的核心环节,涉及数据处理引擎、模型框架、算力资源、集成接口等关键组件的选择。效果不达标:模型预测精度低、决策建议不可用;成本失控:算力资源浪费、维护成本高企。

AIGC应用创新大全的博客 1384

1.9万预算高端游戏主机:9800X3D+5070 Ti装机实战指南

在组装高性能游戏主机时,CPU与显卡的协同平衡往往决定最终体验。AMD 9800X3D凭借独特的3D V-Cache技术,大幅提升1% Low帧稳定性;而RTX 5070 Ti以16GB显存和DLSS 4技术兼顾2K高刷与4K入门,甚至能胜任ComfyUI等AI绘图任务的显存需求。本文围绕1.9万元预算的这套组合,从硬件选型逻辑、BIOS与PBO/EXPO调校,到显卡驱动安装(如DDU清理)与性能验证,系统拆解高端游戏平台的装机要点,帮助玩家避开常见坑位,实现稳定跑满的性能释放。

weixin_30240349的博客 449

使用W5500与外网通信故障解决(MAC地址问题)

在蒲城项目的调试时,AMS500发现一个致命的问题,就是:在局域网跨网段通信时候和中心服务器不能通信,但是在一个HUB下是没有问题的,以前的串口服务器有过类似的问题出现,解决方法说是芯片的问题,结果也不了了之,换了芯片正常。 我们的网络通信芯片选择W5500,其中的MAC地址采用的是CPU的序列号作为Mac地址的问题就出在这,我们在使用的时候MAC地址的第一个必须是偶数,我们忽视了。 现象描...

zxm8513优快云博客 7755

Bert+CNN文本分类(含代码实现)

一、什么是CNN? CNN的特点: (1)特定特征位移不变性 (2)特征缩放不变性 2. CNN模型构造过程 2.1 Convolution(卷积) (1)获取关键特征(减少参数) (2)共享权重(再次减少参数) 2.2 Max Pooling(池化) 2.3 Flatten 向量转换为如图所示可以进入全连接层的向量模式 3. TextCNN 上图可理解为: 通过不同的size(如上图2、3、4等),上图红色代表 size=2,黄色...

Python,数据分析,机器学习,深度学习 1万+

Ubuntu 22.04从装机到配置完全指南:镜像下载、分区驱动与常见坑

在Linux系统部署与日常使用中,Ubuntu作为最流行的发行版之一,其LTS版本因稳定性和长期支持成为服务器与开发者的首选。完成操作系统的正确安装只是第一步,后续的磁盘分区、引导模式设置、显卡驱动适配、远程访问及开发环境搭建,才是决定系统能否高效运行的关键。从基础概念出发,理解UEFI与GPT分区、LVM逻辑卷、swap交换空间的原理,有助于规避安装失败或启动异常的风险。同时,掌握apt软件源优化、NVIDIA驱动安装、SSH安全配置、Docker环境初始化等实用技能,能大幅提升工程效率。本文基于Ubun

weixin_34306593的博客 382

《AgentScope-Java 深入浅出教程》第10章 RAG 知识检索

RAG(Retrieval-Augmented Generation,检索增强生成)是一种将信息检索与文本生成相结合的技术架构。它通过从外部知识库中检索相关文档,将检索到的信息作为上下文注入到语言模型的提示中,从而增强模型的回答质量。│ RAG 工作流程 ││ ││ 用户问题 向量检索 上下文增强 生成回答 ││ ▼ ││ │ A │ ││ ││ 1. 接收问题 ││ 2. 将问题转换为向量,在知识库中检索相似文档 ││ 3. 将检索到的文档作为上下文添加到提示词中 │。

步子哥的博客 462

6000元预算 AMD 9600X + RTX 5070 游戏主机配置与装机指南

在PC硬件配置中,CPU与显卡的协同决定了整机性能上限。AMD锐龙5 9600X基于Zen 5架构,以较低功耗提供强劲单核性能;RTX 5070则凭借12GB GDDR7显存兼顾2K高刷游戏和入门AI推理。理解二者的性能特性与搭配原理,有助于合理分配预算,避免瓶颈。这一组合不仅覆盖主流游戏场景,还可通过Ollama、ComfyUI等工具进行本地模型推理与出图。从主板B650M选型、DDR5 6000内存开启EXPO,到电源余量及BIOS设置,本文围绕6000元预算(不含显卡)给出完整配置方案与装机要点,帮助

weixin_30235225的博客 399

手把手教你学simulink(26.7)--控制算法场景示例:基于模型预测控制(MPC)的智能温室环境控制系统

首先,我们需要将温室环境的动力学模型转换为状态空间形式。假设我们有四个状态变量:温度 TT、湿度 HH、光照强度 II 和二氧化碳浓度 CCO2CCO2​,以及四个控制输入:加热器功率 u1u1​、加湿器加湿量 u2u2​、通风扇风速 u3u3​ 和补光灯光照强度 u4u4​。状态空间模型可以表示为:x(t)=[T(t),H(t),I(t),CCO2(t)]Tx(t)=[T(t),H(t),I(t),CCO2​(t)]T 是状态向量。

MHD0815的博客 401

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

gpu_burn实战:Linux下GPU稳定性压力测试与故障排查指南

在AI训练和高性能计算场景中,GPU稳定性的重要性不亚于峰值算力。许多服务器在跑分软件下一切正常,但长时间满负荷运行时却暴露掉卡、ECC纠错甚至训练中断等问题。要精准评估显卡在极限负载下的可靠性,需借助能压榨CUDA核心与显存带宽的压力测试工具。gpu_burn作为一款开源命令行工具,通过持续执行高强度浮点运算,模拟AI训练的真实负载模型,有效检测供电、散热和显存颗粒的隐性缺陷。本文从环境依赖、编译踩坑、参数调优到日志解读进行系统梳理,并结合多卡并行压测、ECC错误比对和性能基线管理等工程实践,帮助运维人员

weixin_33831196的博客 171

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

上一篇: 配置jupyter notebook到conda env虚拟环境里可运行
下一篇: Why I can't reproduce my results
j-o-l-i-n
博客等级 码龄15年 25粉丝 132原创
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
 
 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