weixin_44115575的博客

前往 NVIDIA cuDNN 下载页面，下载与您安装的 CUDA 版本匹配的 cuDNN 版本。：根据您的系统和 CUDA 版本，选择适当的 whl 文件。如下12.7，表示最高可装12.7版本CUDA，与上图中的支持的最高cuda版本一致。，无需重新安装，从而大幅提升开发效率，适用于项目开发、调试或依赖本地未发布的版本时使用，但需确保当前目录包含。：访问 NVIDIA 官方网站，下载与您的显卡和操作系统兼容的 CUDA 版本。首先，确保NVIDIA 显卡支持 CUDA，并安装相应版本的驱动程序。

在容器化环境（如）中使用深度学习框架进行训练时，通常会使用的DataLoader来加载数据。在使用DataLoader的多进程数据加载时，当这时，我们的训练任务无法正常进行，系统也没有给出详细的错误信息，导致我们难以快速定位问题。

在进行深度学习任务时，常常在本地通过ssh连接远程服务器进行炼丹任务。当我在pycharm上远程连接到服务器上进行训练时，由于网络不稳定使得SSH断开连接，我原以为服务器不会受影响。通过nvidia-smi命令发现GPU占用为0，这才发现任务终止了。于是查阅了一些资料，整理至此。

GPU驱动、CUDA、cuDNN和CUDA Toolkit之间有着紧密的关系，它们共同构成了一个完整的GPU编程和深度学习开发环境。在最初配置anaconda环境时一直搞不明白它们之间的关系。所以根据自己的理解，通俗详细解释它们各自的角色和相互间的关系，并且列举了一些在anaconda虚拟环境中的例子。不对的地方希望大家指正。

踩坑包括：1.anaconda下载失败 2.anaconda安装权限 3.换conda和pip的源

主要3个知识点1. Python的文件搜索路径优先级是执行文件所在的目录，项目根目录以及其他包等等2. 相对导入依赖于当前模块的层次结构，它使用.或..来指定相对于当前模块的路径。但是，当直接运行一个脚本时，Python解释器不会将这个脚本视为任何包的一部分，因此它没有“父”包，这会导致相对导入失败。3. 间接调用模块输出的__name__是包含路径信息的