1、顯示卡驅動：沒有顯示卡驅動用不了顯示卡，所以都有顯示卡驅動，只需更新，一般將顯示卡驅動更新到最新
2、顯示卡：顯示卡決定算力
關於到底是顯示卡決定cuda還是顯示卡驅動決定cuda:
3、matlab：深度學習平台，其版本決定cuda的版本
matlab版本與cuda的關係：
4、vs: matlab與c++混合程式設計
matlab與支援的vs版本對應：
5、matconvnet:matconvnet是乙個matlab工具箱，為計算機視覺應用實現了卷積神經網路(cnn)。它簡單，高效，並且可以執行和學習最新的cnn。提供了許多用於影象分類，分割，面部識別和文字檢測的預訓練cnn。安裝最新
6、cuda: 工具包，是用於英偉達顯示卡的平行計算框架
顯示卡驅動確定cuda版本
顯示卡驅動與cuda關係檢視：
7、cudnn: 專門用於神經網路的加速包
cuda與cudnn關係檢視：和cudnn安裝參考：
參考1：
參考2：
cpu測試報錯容易解決，主要是環境變數的新增，可在網上找到解決方案。
gpu測試，主要困擾我的報錯類似下圖：
不過仔細看裡面有具體如下錯誤：
解決方案參考：
解決後會出現大量warning，忽略不管，最後仍會編譯成功。
%
% cpu編譯
mex -setup
mex -setup c++
%cd d:\matcovnet\matconvnet-
1.0-beta25
addpath matlab
vl_compilenn
%% cpu測試
vl_testnn
%% gpu編譯
% cd matconvnet/;%
>> addpath matlab/;%
>>
vl_compilenn
('enableimreadjpeg'
,true
,'enablegpu'
,true
,'cudaroot'
,[這裡填你的cuda路徑到版本v],.
..%'cudamethod'
,'nvcc'
,'enablecudnn'
,true
,'cudnnroot'
,[這裡填你的cudnn路徑，其他博主都填的local的那個路徑]);
vl_compilenn
('enablegpu'
,true
,'debug'
,true',..
.'cudaroot'
,'c:\program files\nvidia gpu computing toolkit\cuda\v10.1'
,'cudamethod'
,'nvcc'
,'enablecudnn'
,true,.
..'cudnnroot'
,'d:\matcovnet\matconvnet-1.0-beta25\local\cuda');
%% gpu測試
vl_testnn
('gpu'
,true
)
深度學習環境配置
ubuntu 16.04 cuda 8.0 cudnn 6.0 matlab r2017a tensorflow 1.4 anaconda3 本文用於記錄深度學習的各種環境配置，中間踩了不少的坑，各版本需要一一對應，故寫下本文以備不妨之需。cuda 8 最好對應 cudnn 6，tensorflow...
深度學習環境配置
參考 tensorrt7.0的安裝配置 匯入路徑export ld library path ld library path home tensorrt 7.0.x lib 更新 source bashrc 可以選擇在anaconda下新建tensorrt虛擬環境，本次選擇新建python3.5的t...
深度學習主機環境配置
1.安裝ubuntu16.04 2.更新軟體 1 輸入命令sudo apt update 2 輸入命令sudo apt upgrade 3.安裝1080ti顯示卡驅動 1 系統設定 軟體更新 附加驅動 選擇nvidia384 2 輸入命令 nvidia smi 可以看到具體的驅動資訊，如圖所示 4....