未觉池塘春草梦，阶前梧叶已秋声

利用CUDA查看每张显卡上的可用显存大小和总的显存大小，主要参考了博文1，博文2，主要使用的函数是cudaMemGetInfo()，和cudaGetDeviceCount();cudaSetDevice()#include <cuda.h>#include <stdio.h>#include <cuda_runtime.h>#include <device_launch_parameters.h>int main(){ size_t ava

在之前的笔记本上（显卡 GT 640M，算力3.0）装了CUDA10 ，每次执行核函数的时候都会直接跳过，参考了这篇博文，在核函数后面加入cudaError_t cudaStatus = cudaGetLastError();if (cudaStatus != cudaSuccess) { fprintf(stderr, "addKernel launch failed: %s\n", cudaGetErrorString(cudaStatus)); }报错no.

1.检查TF 版本和CUDA版本以及 cuDNN版本之间是否匹配可以在这个网站查看https://tensorflow.google.cn/install/source_windows例如我的配置就是py3.6+ cuda10.0 +cuDNN7.42.MSC++ 2015-2019 没有安装MSC++ 2015-2019 优快云免积分下载地址以上两个过程基本就可以解决问题了，但是tensorflow-gpu只支持算力在3.5以上的卡，以下的就算了...

网站链接：https://en.wikipedia.org/wiki/CUDA

Windows系统下，在Visual Studio 里配置CUDA环境网上已经有很多资料了，而在轻量级IDE VScode上编译CUDA的材料不是很多，本篇博文将简要介绍在Windows 系统下配置CUDA环境的方法。一、VScode插件 code-runner法在VScode里安装插件——coder-runner，在settings.json里添加（win10下的）"code-runner.executorMap": { "cu": "cd $dir; nvcc $fileN

安装gpu版本的tensorflowpip install tensorflow-gpu # 默认安装最新版 如果需要指定版本的话使用，如1.11.0pip install tensorflow-gpu==1.11.0查看可用gpufrom tensorflow.python.client import device_libprint(device_lib.list_local_devices())我的输出结果如下[name: "/device:CPU:0"device_