tensorflow gpu使用情况

tensorflow 默认使用所有gpu的所有显存,只是运行一个小程序,也会占用所有的gpu资源。 nvidia-smi -l #实时返回gpu的使用情况 四个gpu分别为0,1,2,3 可以使用cuda命令进行gpu的选择: CUDA_VISIBLE_DEVICES=1 ,只使用gpu 1 CUDA_VISIBLE_DEVICES=0,1 使用gpu 0 和 1 在使用tensorflo
阅读本文

Ubuntu 14.04 opencv 2.4.9 安装

opencv 2.4.9 安装 1.跟新: sudo apt-get update 2 安装openCV 所需依赖库或软件:   sudo apt-get install build-essential cmake libgtk2.0-dev pkg-config python-dev python-numpy libavcodec-dev libavformat-dev libswscale
阅读本文

Ubuntu14.04安装Caffe(GPU)

双显卡不适合安装caffe,因为通常集成显卡不能切断,而桌面的图像必须有集成显卡控制,导致NVIDIA显卡驱动安装后桌面黑屏不同显卡驱动对应不同的CUDA,例如:GTM550-CUDA6.5.14;K5000-CUDA7.0.28装CUDA似乎可以不用装NVIDIA,因为CUDA自带驱动,另外,可以不装NVIDIA-Toolkit,不用管nvcc的事安装完Ubuntu后关闭自动更新,若其自动更新了
阅读本文

记录caffe在ubuntu16.04系统上面的安装全程

经过两天坚持不懈,终于在Ubuntu16.04系统上将caffe成功配置。过程中踩过无数个坑,遇到很多错误,幸运的是这些错误都解决了,因此撰写该博客记录caffe的配置过程,以及对配置过程中遇到的错误提供解决办法,避免今后再配置caffe时又踩坑。 电脑配置 系统:Ubuntu16.04 GPU:NVIDIA GTX1080 安装过程 1.安装相关依赖项sudo apt-get inst
阅读本文

Ubuntu安装显卡驱动+cuda8+cudnn

Ubuntu 安装显卡驱动 查看显卡硬件信息 lspci | grep -i Nvidialspci | grep -i vga 查看驱动版本信息nvidia-smi P1: You appear to be running an X server; please exit X before installing.  Sudo service lightdm stop P2: distributi
阅读本文

【AI】Ubuntu14.04安装OpenCV3.2.0

在ubuntu14.04系统上安装OpenCV3.2.0 [环境要求]     GCC 4.4.x or later     CMake 2.8.7 or higher     Git (if failed, you can replace it with git-core)     GTK+2.x or higher, including headers (libgtk2.0-de
阅读本文

anaconda + tensorflow +ubuntu

ubuntu 16.04 LTSCPU 一、安装anaconda tensorflow是基于Python脚本语言的,因此需要安装python, 当然还需要安装numpy、scipy、six、matplotlib等几十个扩展包。如果一个个安装,装到啥时候去?(我曾经光安装scipy就装了一天。。。) 不过现在有了集成环境anaconda,安装就方便了。python的大部分扩展包, 都集成在
阅读本文

rcS

// command restore with checkpoint build/X86_VI_hammer_GPU/gem5.opt ../gem5-gpu/configs/fs_fusion.py --kernel=x86_64-vmlinux-2.6.28.4-smp --script=/home/chen/gem5-gpu/BS.rcS --checkpoint-dir=/home/ha
阅读本文

Ubutnu16.04安装pytorch

1、下载Anaconda3  首先需要去Anaconda官网下载最新版本Anaconda3(https://www.continuum.io/downloads),我下载是是带有python3.6的Anaconda3-4.4.0-Linux-x86_64.sh。2、安装Annconda3   bash Anaconda3-4.4.0-Linux-x86_64.sh   在home/ubuntu出现
阅读本文

caffe CuDNN报错问题解决

解决cudnn问题:Loaded runtime CuDNN library: 5005 (compatibility version 5000) but source was compiled with 5103 (compatibility version 5100).问题产生的原因是 caffe源码编译时使用了更高版本的cudnn库,解决方案无非是:1 重新编译caffe2 替换低版本的cu
阅读本文

GLSL(5)-compute shader小结

感觉和cuda的基本概念是一样的只是叫法不同,cuda中称block,compute shader中同等的概念是work group。一个block中分多个线程,这边就是一个work group中分多个invocation。同时block都有一维二维三维的概念,基本理论模型都是一样的。cuda中计算线程索引的方法和compute shader中计算invocation中的也一样。然后还有很重要的特
阅读本文

机器学习项目

1、CDarknet —— 神经网络框架Darknet 是一个用 C 和 CUDA 编写的开源神经网络框架。它快速,易于安装,并支持 CPU 和 GPU 计算。CCV  —— 计算机视觉库CCV 是 C-based/Cached/Core Computer Vision Library 的简称, 它是一个现代的计算机视觉库。CCV 是一种以应用驱动的算法库,比如对静态物体(如人脸)的快速检测算法、
阅读本文

【神经网络与深度学习】Win10+VS2015 caffe环境搭建(极其详细)

caffe是好用,可是配置其环境实在是太痛苦了,依赖的库很多不说,在VS上编译还各种报错,你能想象那种被一百多个红色提示所笼罩的恐惧。  且网上很多教程是VS2013环境下编译的,问人很多也说让我把15卸载了装13,我的答案是:偏不  记下这个艰难的过程,万一还要再来一次呢…… 符合Caffe官网上的环境要求:  一、准备工作 不要急着clone代码,把改下的下好该安装的安装好,
阅读本文

配置Ubuntu·14.04+显卡驱动+cuda7.5+opencv2.4.11+caffe

== (没有图片了,凭着自己的记忆写的) (1)刻录系统到U盘 (2)启动机器按F12从U盘启动 (3)选择安装Ubuntu,勾选安装第三方软件库,选择安装位置的时候选择something else进行分区 (4)先选择‘-’将分区清空,然后给200M给boot以ext4格式,给1000M给swap,其余的全给主目录,然后一直继续下去,至于为什么这样分区经验而已 (5)装好后选择重
阅读本文

深度学习零基础之框架配置Windows+caffe+VS2013+python

1. 配置前说明: 为了不必要的错误,最好在X64位上配置下面的相关环境,win7 8 10都是64位,别问我为什么(我也不知道为什么) 2. 环境安装下载: A. IDE选用VS2013,这个不说了,最好用VS2013,我也不知道为什么,因为我的机器上装的是VS2013 B. 安装python,同样在windows上需要X64的,我选择的是2.7的大版本,如果用python3以上
阅读本文

YOLO v2 训练自己的图像数据

初次使用YOLO,记录一下。0、源码下载 官网:https://pjreddie.com/darknet/yolo/需要注意的是,如果已经安装有cuda和cudnn,先修改Makefile文件的第一行和第二行,0改为1,再make,得到的darknet执行文件支持cuda和cudnn。下面开始进入正题 1、准备数据集准备数据是最难的一步了,我们说的详细些。最终目的,要得到两个文件:label.tx
阅读本文

An Easy Introduction to CUDA C and C++

An Easy Introduction to CUDA C and C++This post is the first in a series on CUDA C and C++, which is the C/C++ interface to the CUDA parallel computing platform. This series of posts assumes familiari
阅读本文

caffe利用anaconda配置python接口(cpu版可视化工具)

前沿       何为可视化,请参考《21天实战caffe第16天》可视化的相关理论。caffe提供三种接口,分别为C++接口、python接口和matlab接口。C++接口不用我们自己配置,因为caffe的底层代码都是由C++编写的,而python接口和matlab接口作为可视化的工具需要我们自己配置。由于matlab文件太大,所以博主没有配置matlab接口,今天就来讲一讲博主配置python
阅读本文