win10+matlab2016a+vs2015+cpu/gpu+matconvnet+cuda9.1配置問題解決方法
win10+matlab2016b+vs2015+cpu/gpu+matconvnet+cuda9.0配置問題解決方法
win7+matlab2016a+vs2015+cpu/gpu+matconvnet+cuda7.5配置問題解決方法
win7+matlab2016b+vs2015+cpu/gpu+matconvnet+cuda8.0配置問題解決方法
上述我羅列一些情況，比較亂，並不能解決實際搭建 gpu 深度學習環境所有問題，因為排列組合太多了。
基於matlab 的 matconvnet 是一種非常容易入手，也可以很深入的研究的 一種 深度學習方法，網上資源眾多。
在搭建gpu環境時，或許一些人直接放棄了。bug 太多不說，硬體條件也是門檻。但是gpu環境一旦搭好，在後期其能夠給像帶
來的時間節省，足夠彌補前期這點時間投入。這也是我一定 要 搭 gpu這個環境的原因。話不多說，下面說下我的觀點。
搭建這個環境，無非遇到如下幾種情況的排列組合：
系統 ： os linix win10 win8/7 位數 64bit、32bit
matlab版本：2016b 2017 2018 2019 位數 64bit 32bit
nvida 顯示卡驅動： geforce 、tiiian、tesla等
cuda：從7.5版本到9.1版本 位數 64bit 32bit
vs c++：2015及以後版本 位數 64bit 32bit
上述的系統、軟體、都各自有適應的系統位數。
所以，一步一步來，檢查你的軟體 是否是統一的位數 比如，是否都支援64位或32位？一定要一致。
驅動版本對不對，多少位？ 這個必須確定。
系統就不說了，應用軟體必須要適合相應的 系 統 才行，例 如 你安裝的軟體是否與 win10 相容？
按上述思路走下來，問題基本上都會得到解決。
個人一點拙見，僅供參考！
win10 mx150深度學習GPU加速
win10 mx150深度學習gpu加速 使用keras呼叫gpu加速十分簡便，keras自動呼叫，不用命令 建議安裝conda，比pip好用很多 直接conda install tensorflow gpu conda 會自動安裝適配的cuda 可以看到加速效果十分明顯，原先乙個epoch 260...
win10 VS2019 OpenCV 環境搭建
與vs2015 vs2017不同，vs2019配置略有不同,需要自己寫屬性配置.檢視 其它視窗 屬性管理器 新建 1.屬性管理器配置 2.環境變數設定 3.編碼示例 1.屬性管理器配置 1.1包含目錄 1.2庫目錄 1.3鏈結器 2.環境變數設定 3.編碼示例 include includeusin...
tensorflow深度學習伺服器環境搭建
實驗室新進了一台伺服器，配置了nvida 1080ti顯示卡做深度學習使用，裝好機器後第一件事就是如何配置好tensorflow的深度學習環境，這裡把我在搭建環境的過程以及遇到的坑一一寫下來，給有同樣需求的筒子提供一些幫助。作業系統是師兄刻好的ubuntu最新版本ubuntu 18.04.1 lts...