1.下载想要安装的cudnn下载链接：2.下载完成后解压所下载的cudnn压缩包bashtarxvfcudnn10.1osxx64v7.6.2.24.tgz3.复制文件bashsudocpcuda/include//usr/local/cuda/includesudocpcuda/lib//usr/local/cuda/lib64注：cp目录需要根据实际进行修改。

TensorFlow准备JupyterLab交互式笔记本环境，方便我们边写代码、边做笔记。基础环境以下是本文的基础环境，不详述安装过程了。Ubuntuubuntu18.04.5desktopamd64.isoCUDAcuda11.2.2460.32.03linux.runlibcudnn88.1.1.331cuda11.

julia是2010年开始面世的语言，作为一个10后，Julia必然有前辈们没有的特点。Julia被期望塑造成原生的有C的运行速度、python的易交互性以及胶水性。最重要的是，julia也是nVidiacuda官方选中的接口语言，这点让cuda编程变得稍微容易一些。

若dockerce、nvidia、CUDA等都安装完成之后，开启docker服务时，能够正常运行，并有预测结果，那表示服务开启没问题；若都安装成功之后，用docker命令开启服务时，一直报错，可能表示你没有安装nvidiadocker2：报错信息：tfserving@tfservingKVM:~/model/yolo$docke

1\.CUDA的安装前面已经装过了，可以查看一下$cat/usr/local/cuda/version.txtCUDAVersion8.0.44确认是否安装成功：$cd~/NVIDIA\_CUDA8.0\_Samples/bin/x86\_64/linux/release/$

环境：ubuntu18nvidia430cuda10.0cudnn7.6.0tensorflowgpu2.0.0调用 layers.Conv2D()就报错，报错信息：Epoch1/52019101121:50:00.814925:Itensorflow/stream_executor/p

                                                                       Ubuntu系统又显示nvidiasmi未找到命令　　本来nvidia驱动CUDA安装好用，两次遇到开机发现字体异常，不用合计，是显卡驱动的问题。一查，确实是nvidiasmi未找到命令。

环境说明ubuntu16.04cuda10.02080Ti显卡拉取代码和修改编译脚本拉取代码用户先clone代码：gitclonehttps://github.com/torch/distro.git~/torchrecursive通常下载很慢，rec

udnn安装注意点：cudnn的安装其实很简单，关键点是一定要安装cuda对应的cudnn包，本机中安装的cuda7.5所以对应的cudnn为v5.1这很重要，我就是安装错了版本，导致后面caffe的编译总是出错。cudnn安装步骤：1、从官网上下载cudnn的安装包。2、将安装包解压,将此安装包放在home路径下即可，并在当前路径下

CUDA与TensorRT部署实战课程（完结8章源码课件）CUDA与TensorRT部署一直都是困扰大家的难题，稍有不注意就会出现很多错误的问题，今天就给大家好好讲解这方面的难点、易错点的知识，希望对大家在这块的摸索有所提升和帮助，以下是参考资料下载：