qq_33980935的博客

近日配置环境后终于可以开始跑GAN了，但是运行时发现GPU的利用率为0。上网百度了一下，有几种方法，尝试后发现可以这样做，在此记录。实时动态监测GPU在终端输入：watch -n 10 nvidia-smi指定GPU我只有一块0号GPU，所以就按照如下方式指定，虽说只有一块不指定的话应该也能跑，但是依照目前GPU的利用率，还是试试。在代码中添加如下语句：os.environ["CU...

paper名称： Density-aware Single Image De-raining using a Multi-stream Dense Network资源链接如下：link.问题1：ImportError: bad magic number in ‘myutils’: b’\x03\xf3\r\n’解决：删除文件夹内的.pyc文件，此文件时python编译过的。问题2：...

近期因工作需在离线环境下安装docker及nvidia-container-toolkit进行深度学习目标识别网络模型训练，摸索了一番，最终可行，特此记录供参考及个人后续查看。

OpenCV 4.2.0(包含Opencv-Contirb）

xavier nx環境配置流程記錄引言1.板子環境2.設置默認python和pip2.安裝torch和torchvision2.1 下載正確的whl安裝文件2.2 開始安裝2.3 查看torch安裝情況3.問題記錄3.1 問題1：Running pip as the 'root' user can result in broken permissions3.2 問題2：torch不支持GPU3.3 問題3：torch安裝時報錯平臺有問題3.4 安裝進度緩慢3.5 zipimport.ZipImportErr

所以下载“torch-1.8.0-cp36-cp36m-linux_aarch64.whl”以及“torchvision-0.9.0a0+01dfa8e-cp36-cp36m-linux_aarch64.whl”pwd=nyhx 提取码: nyhx。若不知道jetpack版本，可以通过jtop查看，我的版本是：jetpack 4.6 [L4T 32.6.1]主要原因：显卡驱动版本、CUDA版本、Pytorch版本不对应导致。说明安装的torch为CPU版本，卸载重新安装对应的GPU版本。

1、官网下载对应版本https://developer.nvidia.com/rdp/cudnn-archive2、解压缩tar -xzvf cudnn-9.0-linux-x64-v7.tgz3、放置到对应的CUDA目录下sudo cp CUDA&CUDNN/cudnn-10.0-linux-x64-v7.6.4.38/cuda/include/cudnn* /usr/local/cuda/include/sudo cp CUDA&CUDNN/cudnn-10.0-lin

1、查看cuda与cudnn的版本nvcc- V2、在tensorrt官网上查找对应版本的tensorrthttps://developer.nvidia.com/nvidia-tensorrt-download下载并解压缩至自己期望的目录中3、添加环境变量打开bashrc文件sudo ~/.bashrc在bashrc文件中添加环境变量#tensortexport LD_LIBRARY_PATH=/home/***/TensorRT-7.0.0.11.Ubuntu-18.04.x86

较新版本的python3.8/cuda 11如果想要使用tf1.15，一种方法是重新编译，或者去下载其他人编译好的二进制whl。但是重新编译和找whl都比较麻烦，老黄为了让新显卡用户用上tf1.15，和谷歌合作维护了一个tf1.15的库。另一种方法是使用docker，但是docker用起来稍麻烦。库的地址为：https://github.com/NVIDIA/tensorflow安装命令：# 推荐在虚拟环境下操作(非必要)# python3 -m virtualenv venv# sourc

确定现有python路径which pythonreturn:/usr/local/bin/python确定需要使用的python路径查找2.7which python2.7return:/usr/bin/python2.7查找3.6which python3.6return:/usr/bin/python3.6查找3.8which python3.8return:/usr/local/python3/bin/python3.8指定不同版本顺序sudo u

确认ubuntu软件设置安装源sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' 设置key sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42E

ll /usr/bin/python*查看默认版本sudo rm -rf /usr/bin/pythonsudo ln -s /usr/bin/python2.7 /usr/bin/python将2.7设为默认版本 ll /usr/bin/python*再次查看

linux18.04安装anaconda3+yolov5环境配置过程中一些问题一、anaconda3安装和虚拟环境配置1.下列连接中显示了旧版本的anaconda和python的对应信息：https://docs.anaconda.com/anaconda/packages/oldpkglists/确定好版本后，可以根据版本号在清华的镜像中进行下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/创建安装目录，运行.sh文件进

NVIDIA Jetson Xavier NX载板RSTO-6002使用TF卡说明一、将根文件拷贝到格式化好的TF卡中二、开发主机下载对应安装包三、烧录环境搭建四、进入Recovery模式五、最关键的一步，烧录（回到家抱着薯片狂啃，趁着热乎气儿抓紧记录下来，有问题欢迎指正~）由于瑞泰的这个载板内存限制，需要另外安装内存卡，并对系统进行烧录，使得其可以从内存TF（也称为MicroSD）卡进入。在此写下操作流程，仅供参考。主要分为四步：1、将根文件拷贝到格式化好的TF卡中；2、开发主机（与Xavier-N

终端输入：sudo gedit /etc/apt/sources.list备份好之前的设置，更改为清华大学的源：清华大学更新服务器，(教育网核心节点百兆接入，已计划提高到千兆)由清华大学学生网管会维护。包含其他开源镜像：deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty main restricted universe multiversedeb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ tr

转发地址链接：添加链接描述

ubuntu16.04系统下NVIDIA GEFORCE 1080+cuda10.1+cuDNN v7.6 +tensorflow2.1.0环境搭建由于笔记本的配置实在有限，不得已更换电脑，于是就有了这三天的折磨。。。在此记录一下，希望能给予需要的人一些帮助，忘记了也能回来看看。1 安装显卡驱动装到第三天，上网查找了一番，发现显卡驱动竟然也要和cuda，cuDNN以及tensorflow版本...