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
600+累计阅读
623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
安装cuDNN之前需要安装cuda，关于cuda的安装可以查看：《cuda安装及验证》
下载地址
在此之前你还需要注册一个英伟达的账号，才能进行下载哦
解压之后
找到cuda安装位置，将刚刚解压的cuDNN下的三个文件夹：bin、include、lib下的内容分别复制到cuda对应的同名文件夹下面
这里需要特别注意的是lib文件夹需要再往下一层，将x64文件夹下面的内容复制到cuda的lib的x64文件夹下面：
最后添加环境变量
至此，cuDNN就安装配置完成了
from torch.backends import cudnn
#判断是否安装了cuDNN
print(cudnn.is_available()) #返回True则说明已经安装了cuDNN
返回True说明已经成功安装了cuDNN
GNSS接收机性能测试全攻略：从实验室到真实场景
本文系统介绍了GNSS接收机从实验室到真实场景的完整性能测试流程。首先通过GNSS模拟器进行射频传导测试，评估接收机的基础性能；其次进行天线OTA测试，考察整机系统表现；最后通过精心设计的外场路测，在复杂环境中验证其实际定位精度与可靠性。文章强调，只有结合可控的实验室验证与多变的外场挑战，才能对接收机性能做出全面、真实的评价。
window11系统CUDA、cuDNN 安装以及环境变量配置
虽然 CUDA 包含了一些基本的矩阵运算和线性代数函数，但它不直接包含深度神经网络相关的算法和优化。因此，为了使用 CUDA 进行深度学习任务，您需要安装一个额外的库，例如 cuDNN。因此，通过与 CUDA 结合使用，cuDNN 可以大幅提高深度学习应用的性能和效率。（CUDA Deep Neural Network Library）是 NVIDIA 提供的一个可选的库，用于优化深度神经网络的训练和推理性能。：这里我用 11.4版本为例，流程上是一样的，就是版本号不一样仅此而已。一般这里安装完毕后，会。
SeedVR2插件双版本共存实战：手把手教你创建幽灵节点解决ComfyUI兼容问题
本文详细介绍了解决ComfyUI中SeedVR2插件新旧版本兼容问题的实战方案。通过目录隔离实现双版本共存，并手把手教你创建‘幽灵节点’来模拟缺失的SeedVR2ExtraArgs节点，从而让旧工作流得以正常运行，同时享受新版本的功能与性能。
Cuda | Cudnn安装及其配置
Cudnn是什么？与Cuda到底有什么关系，这篇文章带你读懂
Pycharm环境配置完整教程
本文主要介绍python解释器安装、Pycharm环境配置以及运行第一个程序的零基础的教程，即使是python小白也能正确配置相应的python学习环境哦！
笔记本摄像头模拟监控推送RTSP流
FFmpeg软件:选择Windows builds by BtbN一个完整的跨平台解决方案，用于录制、转换和流式传输音频和视频。选择Windows版本EasyDarwin开源流媒体服务器 支持Windows、Linux、macOS平台；支持RTSP推流分发（推模式转发）；支持RTSP拉流分发（拉模式转发）；VLC Media Player软件:选择Windows64bit支持众多与及文件格式，并支持DVD影音光盘，VCD影音光盘及各类协议。
CUDA与CUDNN在Windows下的安装与配置（超级详细版）
CUDA以及CUDNN的下载、安装、配置与卸载详细介绍
用deepseek对GPU服务器进行压力测试
利用 DeepSeek 模型对 GPU 服务器进行压力测试，核心思路是通过，验证 GPU 服务器在计算、显存、网络等维度的承载能力，同时观察稳定性与性能瓶颈。
Windows 系统从零配置 Python 环境，安装CUDA、CUDNN、PyTorch 详细教程
Windows 系统从零配置 Python 环境，安装CUDA、CUDNN、PyTorch 详细教程
关于IBV_WR_RDMA_WRITE_WITH_IMM的理解
对于IBV_WC_RECV_RDMA_WITH_IMM的描述是这样的，也就是说并不需要sge,所以下发的sge，可以是NULL，个数可以是0。(1)需要下发post_recv,但是下发是post_recv当中的sge的地址可以是空，sge个数可以是0。伪代码，实际的rkey和addr已经通过socket交换。并且poll_cq时，有返回，在这篇文章当中对于poll_cq时，主要区别点有两个，这个是对于接收端而言。(2)可以带即时数据，
YOLOv8 置信度阈值 (conf) 和 IoU 阈值 (iou) 详解：如何平衡漏检与误检？
摘要 本文深入探讨了YOLOv8目标检测模型中两个关键参数——置信度阈值(conf)和IoU阈值(iou)的核心作用。文章从目标检测的基础概念出发，解释了置信度分数反映模型预测可靠性，IoU衡量预测框重叠程度。重点剖析了非极大值抑制(NMS)机制如何通过这两个阈值进行预测框筛选：置信度阈值作为初筛门槛，IoU阈值决定重叠框的取舍。通过生动比喻和可视化图表，阐述了合理调节这两个参数能有效平衡误检与漏检问题，是优化YOLOv8模型实际表现的重要技巧。全文以实践为导向，帮助开发者掌握成为"调参大师&qu
【工具配置】【Windows】Cuda和cudnn安装教程（保姆级）
1. 介绍 cuda： Compute Unified Device Architecture，是一种有NVIDIA推出的通用并行计算架构， 该架构使GPU能够解决复杂的计算问题。 cudnn： 是NVIDIA 推出的用于深度神经网络的GPU加速库，他强调性能，易用性和低内存开销。 cuda和cudnn的关系： cudnn是基于cuda架构开发的专门用于深度神经网络的GPU加速库。cuda可以理解为一个大的商圈，但这个商圈是空的，还未装修。cudnn可以理解为装修后的房间，例如负一楼专门针对游乐（深度神经
SAP B1中文培訓教材_SDK
公司内部培训资料，对开发工具 ，DIAPI， UIAPI，Add-ON有详细解说
【基建笔记】深度学习基础工具:CUDA + cuDNN安装与配置
安装cuda10.0+cudnn7.4+tensorflow-gpu 最终目的是为了安装tensorflow-gpu版本，如果不需要gpu版本的可以直接用pip进行安装即可。否则需要安装nvidia的cuda和cudnn。 cuda-cudnn-tensorflow-gpu版本对应表 0. 卸载cuda老版本 先卸载老版本内容. 我之前用的9.0, 如果上一次是默认安装,整个安装目录应该是/u...
温度PID控制PLC程序
温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值
jre9下载 jdk9
(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】
显卡nvidia的CUDA和cuDNN的安装
如果是第n次安装，尽量只选择第一个CUDA，不然会出现错误。如果电脑上没有安装vs，需要把CUDA里面的Visual Studio Integration取消勾选，否则会安装不成功。但最好是一般都需要安装完vs再安装CUDA选择默认位置.只要版本对应CUDA就比较好安装，最主要还是要看VS/CUDA/cuDNN以及电脑本身显卡版本的匹配。
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白
2025最新CUDA12.9+cudnn+PyTorch安装配置
本文介绍了最新版CUDA环境的完整安装流程：首先通过NVIDIA-SMI查询显卡支持的CUDA 12.9版本，随后下载对应版本的CUDA工具包和cuDNN插件，详细说明了安装时的组件选择注意事项及文件配置方法。重点演示了如何将cuDNN文件正确拷贝到CUDA目录，并配置环境变量。最后指导安装支持CUDA 12.8的PyTorch 2.7.0版本，通过代码验证显卡算力可用。截至2025年5月28日，成功搭建CUDA 12.9 + cuDNN 9.10.1.4 + PyTorch 2.7.0的深度学习开发环境。
实战：在Windows/Linux双系统下完美安装CUDNN
对于Windows系统，工具会自动下载对应版本的CUDNN压缩包，解压后将bin、include、lib目录的文件复制到CUDA安装目录。这部分代码需要处理不同系统的路径差异，还要考虑32位和64位系统的兼容性。最棒的是，完成开发后可以直接生成可执行文件，方便分享给其他需要配置环境的同学。根据检测到的CUDA版本，工具会从内置的兼容性矩阵中推荐合适的CUDNN版本。最近在折腾深度学习环境配置时，发现CUDNN的安装过程总是让人头疼，特别是在Windows和Linux双系统环境下。
tensorflow各个版本的CUDA以及Cudnn版本对应关系
tensorflow各个版本的CUDA以及Cudnn版本对应关系 概述，需要注意以下几个问题： （1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。 显卡驱动的安装： 当我们使用一台电脑的时候默认的已经安装了NVIDIA的显卡驱动，因为没有显卡驱
anaconda cuda路径_慢慢安装——anconda,cuda,cudnn等
安装conda 【本身就不需要root权限】1.下载anconda https://www.anaconda.com/products/individual或者直接清华园 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 但是(有时候)出现不稳定：wget https://mirrors.tuna.tsinghua.edu.cn/an...
ubuntu下cuDNN配置
一般我们开发都是基于CPU的，cuda可以看作是辅助我们针对GPU开发的一个工具。 而cuDNN官网的全称是CUDA Deep Neural Network，相比标准的cuda，它在一些常用的神经网络操作上进行了性能的优化，比如卷积，pooling，归一化，以及激活层等等。在理解上面这段的基础上，我们可以猜测配置cuDNN时是要对cuda进行一些修改，所以我们要先安装cuda。cuDNN下载需要注册
深度学习环境搭建：Windows10安装cuDNN
windows 10中安装cuDNN，网上所说的用banwidthTest和deviceQuery只是验证的CUDA是否配置好，cuDNN只是复制文件到CUDA中，所以想验证是否配置成功需要使用示例来验证。
基于ubuntu安装cuda,cuDNN
1.cuda驱动安装 2.cuda安装 根据gpu型号下载对应的驱动程序 wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run sudo sh cuda_11.0.2_450.51.05_linux.run CUDA Toolkit 11.0 Download | NVIDIA Developerhttps://deve
linux安装CUDA+cuDNN
linux服务器安装CUDA+cuDNN（保姆级教学）
（超详细）CUDA与cuDNN安装教程
我们在安装好Python、Pycharm以及Anaconda之后，就要开始考虑你的程序是用CPU跑还是用GPU跑，如果要用GPU跑的话，就要用到CDUA toolkit这个工具包以及cuDNN这个安装包。下面开始带领大家安装一下这两个工具。
unbutu下cuda和cudnn的安装
https://developer.nvidia.com/cuda-toolkit-archive 下载好cuda ./cuda_10.0.130_410.48_linux.run https://developer.nvidia.com/rdp/cudnn-download 执行如下命令 nvcc --version 如果看到如下界面则表示安装成功 下载好cudnn sudo...
NVIDIA CUDA, CUDNN, MATLAB配置
NVIDIA 深度学习环境配置。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
519
扫一扫
