Qt连接 MySQL5.7/5.6//////8.0版本的连接暂时没搞出来

最新推荐文章于 2025-04-20 07:30:00 发布
原创 最新推荐文章于 2025-04-20 07:30:00 发布 · 946 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

博主在尝试使用Qt连接MySQL时遇到问题，发现MySQL8.0无法连接，但成功连接了5.6和5.7版本。问题出在默认安装导致部分文件位于Program Files和Program Files(x86)中，且未配置环境变量。通过CMD进入MySQL，创建数据库并完成基本操作。连接MySQL时，需要注意libmysql.dll的32位和64位版本匹配，将其放置在exe文件夹下才能运行。尽管在5.6和5.7上运行正常，但尚未解决8.0的连接问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

我要说的是，我最开始下载的mysql8.0,没连接上，后来改为5.6和5.7都连接上了

在没注意的情况下，选择了默认安装，部分安装在了Program Files，一部分安装在了Program Files(x86)

由于是64位的电脑，所以MySQL Server8.0在Program Files文件夹下，而它的mysql.exe也在MySQL Server8.0\bin文件夹下

如果可以再来一次，我绝对不会搞默认安装的

安装时注意root的密码，后面是需要的

因为没有配置环境变量，所以只能在bin文件夹下打开mysql.exe

在cmd窗口下，输入mysql  -u root -p 把user（root）登录到数据库

接下来就是输入密码

showdabses；//可以显示已有的databases

create database mydata;//创建mydata数据库

exit；//退出

 

以上是MySQL的安装，接下来是来连接MySQL,这真的让我头大

 相信你也看了一些网上的教程，哈哈哈，我也是，可是真的有问题，他们提到的lib文件，不是安装后的MySQL Community Server里面，而是在压缩文档里面，这个真是把我搞吐了

还需要注意mingw32需要32位的libmysql.dll，而mscv64位的需要64位的libmysql.dll

最低0.47元/天 解锁文章

200万优质内容无限畅学
CentOS下 conda环境设置
eclipsercp的博客
06-16 781
CentOS下 conda环境设置
在conda环境下，安装Pytorch和CUDA
qq_21405333的博客
02-16 1289
系统 : Ubuntu20.04显卡：NVIDIA GTX1650显卡驱动已经装好（命令nvidia-smi查看显卡配置）（主要看一下第一行的参数，最大支持的CUDA版本为12.4 ）Aanconda 版本（）(似乎没什么影响)
CentOS 7更新CUDA
qq_39397024的博客
04-24 1008
然后再bin目录下找到uninstall程序，不同版本的uninstall程序有所区别，但是都包含“uninstall”字样，然后“./*uninstall*”来卸载，*为通配符，使用时替换为相应字符来使文件名完整。这里可以看到显卡驱动、CUDA和CUDA Toolkit之间的对应关系。实际上安装显卡驱动自动安装CUDA，不用单独安装。cuda-10.1替换为实际版本号。2.卸载CUDA Toolkit。4.安装CUDA Toolkit。
Linux(centos7)升级Nvidia至cuda11.5,cudann8.3,适配tensorflow2.7,torch1.10非常简单
YouAreLion的博客
12-07 2828
# 切换root账号操作 # 进行一些依赖库的升级也很必要 # 卸载驱动和cuda nvidia-uninstall cuda-uninstaller # 关闭 nouveau lsmod | grep nouveau vim /lib/modprobe.d/dist-blacklist.conf # 去掉 nvidiafb 注释 # 添加： blacklist nouveau options nouveau modeset=0 # 重建initramfs image： mv /boot/initra
Centos7安装Miniconda，创建虚拟环境
bye_1988的博客
05-20 1261
1.下载安装 指定目录（据情况而定）：/niub/minconda 输入：wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh 执行：bash Miniconda3-latest-Linux-x86_64.sh 输入yes，continue，然后输入conda，进行安装 配置conda环境变量：so...
Linux+CentOS服务器NVIDIA显卡驱动更新(NVIDIA Driver)、CUDA、cuDNN更新
weixin_44505185的博客
06-18 8861
安装过程中，会问你是否需要下载驱动（Drive），正常情况下请不要下载，即选择否。即取消第一个Drive的[X]，改为[ ]（使用回车键取消选择），然后选“Install”开始安装下载。PS, 要将cuda版本11.7替换成你安装的版本，如cuda-12.2。nvidia-smi：GPU驱动版本，driverAPI（支持的最高cuda版本）如果出现警告可以不用理会，直接继续，直到安装完成。③ 安装完成后，输入nvidai-smi，显示如下，则安装成功。需要挂梯子，然后登录/注册英伟达的账号，进行邮箱验证。
在centos7 上完成tensorflow-gpu + anaconda + python3.6 + CUDA + CUDNN 部署
u014636669的博客
07-12 996
step1. 安装anaconda 我选择的版本是anaconda3，自带的python版本为3.7 去官网下载对应的anaconda版本，这一步使用清华大学的anaconda源，参考地址如下 https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ step2.配置python3.6的环境(因为tensorflow-gpu目前支持的最高版本是p...
centos下安装Gcc-5.4 Python3.5 cuda8.0 cudnn 以及tensorflow 1.4
卢克治-BJTU-NLP-的博客
04-23 1019
0------前期安排好gcc的编译器，不然下面手动安装python会报错：方法一：该方法超简单:sudo apt-get  build-depgcc就上面这条命令就可以搞定方法二：sudo apt-get  install  build-essential还是简单，一句命令也可以搞定安装完了可以执行gcc--version的命令来查看版本，输出如下：gcc(GCC)4.2.3(Ubuntu4.2...
linux服务器非root用户安装tensorflow1.14.0-gpu+cuda10+cudnn7.6
Mr_WangYC的博客
02-09 3996
实验室新服务器安装tensorflow-gpu，之前安装过一次cpu版本的tensorflow，这次安装gpu版本，出现很多的错误，这里特意将安装tensorflow-gpu的正确方法记录下来，希望对其他人有所帮助。 这里是在服务器非root用户上安装，不适用于linux主机上安装tensorflow的用户，还请注意区分。 实验环境 服务器内核版本：CentOS Linux releas...
实验室服务器安装cuda9.0，cudnn，Anaconda，tensorflow-gpu（小白教程）
azeyeazeye的博客
05-14 3931
昨天的刚接触服务器，今天就可以跑模型了，还挺爽的。 系统：本地windows，服务器 Centos7 ，64位 安装包：MobaXterm，cuda9.0，cudnn，Anaconda（资源下载链接：https://pan.baidu.com/s/16YbybsV3jTjKDm48tcVg4A 提取码：ng64） 1.安装MobaXterm （是自己电脑与服务器远程连接的...
CUDA以及驱动更新
11-12
当时自己安装的时候做的笔记，主要是基于centos7下面cuda的更新，做的比较粗糙，希望有帮助。
centos7.9 conda环境部署
旭日阳光
12-30 2334
部署目标： 1、centos部署conda 2、部署jupyternotebook 3、jupyternotebook自动代码补全 4、jupyternotebook自动识别多虚拟环境 5、jupyternotebook可支持其他主机访问 部署环境： Win10安装虚拟机，centos7.9 部署流程： 1、conda官网下载Miniconda，Miniconda3 Linux 64-bit。 2、ssh上传到/home下，添加可执行权限。 chmod 777 ./Minic...
linux下创建角色，配置conda环境
qq_43540629的博客
02-27 765
linux创建角色，配置conda环境
【Conda】超详细的linux-conda环境安装教程
热门推荐
Alex的博客
01-24 11万+
Conda是在Windows、macOS和Linux上运行的开源软件包管理系统和环境管理系统。可以快速安装、运行和更新软件包及其依赖项。可以轻松地在本地计算机上的环境中创建，保存，加载和切换。它是为Python程序创建的，但可以打包和分发适用于任何语言的软件。目前conda的发行版本分为anaconda、miniconda两种，安装了ananconda或miniconda的完整版，就默认安装了conda。anaconda会包含一些常用包的版本，miniconda则是精简版，两者安装均可。
服务器从0搭建-【anaconda3+cuda+cudnn+conda环境创建+修改conda源】
前进！前进！！
12-14 3123
1. anaconda3下载安装 下载地址 清华源镜像：清华源镜像 北交源：北交源镜像 官网：百度 上传.sh文件至服务器 安装anaconda： bash Anaconda3-2020.11-Linux-x86_64.sh 安装过程中，有提示初始化conda路径，选择yes，会自动初始化conda路径在/root/.bashrc文件中 激活更新后的/.bashrc文件： source ~/.bashrc 验证conda安装成功： conda list，输出conda自带包； conda env list
centos7如何最简单的安装好conda
gaofengxu123的博客
08-10 2507
在浏览器中打开 Miniconda 或 Anaconda 的官方网站，下载适用于 CentOS 7 的安装包。你可以选择 Miniconda 是一个轻量级的版本，或者 Anaconda 是一个完整的数据科学平台，根据你的需要进行选择。否则，可以输入 no，手动激活 Conda 环境。以上步骤将会在 CentOS 7 上最简单地安装好 Conda，并且你可以使用 conda 命令来管理 Python 环境和软件包。你可以选择安装路径，默认情况下是在用户的主目录下创建一个 miniconda3 目录。
运维打铁：Linux Centos 7 安装更新GPU driver驱动和cuda
最新发布
懂搬砖
04-20 1579
Linux Centos7安装更新GPU driver驱动和cuda。找到所需的cuda版本，选择对应主机（服务器）的下载安装命令。）上传至GPU节点（服务器），将下载好的驱动程序，显示正常则安装成功。
3090显卡安装tensorflow/pytorch
LIWEI940638093的博客
02-09 3900
3090显卡安装tensorflow/pytorch一 3090显卡驱动二 安装CUDA11.0三 安装cuDNN四 安装anaconda五 安装tensorflow/pytorch六 安装gdal 我的系统是Ubuntu18.04，这个教程对所有Ubuntu系统都适用，只是要安装正确的显卡驱动和cuda/cudnn 一 3090显卡驱动 去官网下载正确的显卡驱动即可。具体操作见：https://blog.youkuaiyun.com/LIWEI940638093/article/details/109304789 二
centos安装conda
我的博客
10-21 2889
询问是否初始化Miniconda3时，选“yes”查看是否安装成功：conda。
miniconda，pytorch cuda云服务器中
03-19
<think>好的，我现在需要帮助用户在云服务器上安装Miniconda并配置支持CUDA的PyTorch。首先，我需要回顾一下自己已有的知识，确保步骤正确无误。 首先，用户提到要安装Miniconda。我记得安装Miniconda通常是通过下载安装脚本然后运行它。参考中的例子使用了清华大学的镜像源，这能加快下载速度，特别是在国内服务器上。所以第一步应该是下载最新的Miniconda安装脚本。用户提供的命令是wget加上镜像地址，这个步骤是正确的。安装过程中需要注意执行bash脚本来安装，并且记得同意许可协议，选择安装路径，或者使用默认路径。安装完成后需要初始化conda，或者将conda添加到PATH环境变量中，这样用户可以直接使用conda命令。 接下来是配置conda的环境。用户可能需要创建一个新的环境来安装PyTorch，这样可以避免与其他项目的依赖冲突。使用conda create命令创建环境，然后激活该环境。这里可能需要指定Python版本，比如Python 3.8或3.9，根据PyTorch的支持情况。 然后安装PyTorch。PyTorch官网推荐使用conda或者pip安装。为了兼容性更好，可能conda更合适，但有时候conda的版本更新可能不如pip及时。需要确认CUDA的版本，用户服务器的GPU驱动是否支持该CUDA版本。例如，如果用户安装的是CUDA 11.7，那么对应的PyTorch命令应该是conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia。或者根据官网的最新安装指南选择合适的命令。此外，可能还需要安装cudatoolkit来确保CUDA工具包的存在。 安装完成后，需要验证CUDA是否可用。通常是在Python中导入torch，然后检查torch.cuda.is_available()返回是否为True。如果返回False，可能的问题包括CUDA驱动未安装，或者PyTorch版本与CUDA版本不匹配，或者没有正确安装GPU版本的PyTorch。 可能还需要注意的几点：云服务器的操作系统，比如是Ubuntu还是CentOS，不同系统的依赖可能不同，需要安装相应的开发工具和驱动。例如，NVIDIA驱动需要预先安装，而conda可能不会处理这个部分，用户可能需要单独安装驱动。如果用户没有安装NVIDIA驱动，可能需要先安装，比如通过apt-get安装nvidia-driver-xxx，或者使用官方的.run文件安装。这一步可能比较复杂，需要根据不同的系统处理。 另外，conda的换源可能也是需要的，比如添加清华源或者其他国内镜像，加快下载速度。但需要注意，PyTorch的官方频道可能已经包含了所需的CUDA依赖，如果换源可能需要配置正确的通道优先级。 总结步骤应该是： 1. 安装Miniconda：下载脚本，运行安装，初始化。 2. 创建并激活conda环境。 3. 安装支持CUDA的PyTorch，使用conda或pip命令。 4. 验证安装，检查CUDA是否可用。 5. 处理可能的依赖问题，比如NVIDIA驱动、CUDA工具包等。 可能的问题点在于用户是否已经安装了合适的NVIDIA驱动，如果驱动未安装，那么即使PyTorch安装了CUDA版本，也无法检测到GPU。这时候需要指导用户如何安装驱动，或者检查驱动版本是否符合CUDA的要求。 现在，需要将这些步骤整理成清晰的中文回答，按照用户的要求使用正确的LaTeX格式，例如行内公式用$...$，独立公式用$$...$$，不过在这个问题中可能不太涉及数学公式，但如果有的话需要正确应用。同时，生成相关问题，可能涉及安装过程中的常见问题，环境配置，版本兼容性等。 需要确保所有命令正确无误，特别是PyTorch的安装命令，可能需要查阅最新的官方文档确认。例如，访问PyTorch官网，查看当前推荐的安装命令，确保用户使用的命令是最新的，避免过时的命令导致安装错误。 最后，回答中需要引用用户提供的参考内容，即引用[1]中的安装Miniconda的命令。但用户提供的引用似乎只是安装Miniconda的部分，而后续步骤可能需要其他引用或自行补充。不过用户可能没有提供其他引用，所以可能只需在安装Miniconda的部分添加引用标识。 综上所述，分步骤回答，确保每个步骤清晰，命令正确，并处理可能的依赖问题，最后验证安装成功。</think>以下是在云端服务器上使用Miniconda安装支持CUDA的PyTorch的步骤： --- ### **1. 安装Miniconda** - 下载最新版Miniconda安装脚本： ```bash wget http://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh [^1] ``` - 运行安装脚本并遵循提示（默认安装路径为`/root/miniconda3`）： ```bash bash Miniconda3-latest-Linux-x86_64.sh ``` - 激活conda环境： ```bash source ~/.bashrc # 或重新连接终端 ``` --- ### **2. 创建并激活Conda环境** - 新建一个独立环境（例如名为`pytorch_env`）： ```bash conda create -n pytorch_env python=3.9 ``` - 激活环境： ```bash conda activate pytorch_env ``` --- ### **3. 安装支持CUDA的PyTorch** - 通过Conda安装PyTorch及CUDA工具包（以CUDA 11.7为例）： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia ``` 或使用Pip安装（需确保已安装对应版本的CUDA驱动）： ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` --- ### **4. 验证CUDA支持** - 运行Python并执行以下代码： ```python import torch print(torch.__version__) # 查看PyTorch版本 print(torch.cuda.is_available()) # 应输出True print(torch.cuda.get_device_name(0)) # 显示GPU型号 ``` --- ### **常见问题排查** 1. **CUDA不可用**： - 检查NVIDIA驱动是否安装：`nvidia-smi`。 - 确保驱动版本与PyTorch要求的CUDA版本兼容。 2. **依赖冲突**： - 使用Conda而非Pip可减少依赖冲突。 3. **网络问题**： - 配置Conda清华镜像加速下载： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ ``` ---
评论
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