cuda

YOLOX环境的安装配置部署 旷世的最新作品，采用Anchor-free，效果所有yolo系列。本文主要记录该模型如何在C环境下进行部署。 采用的方案是TensorRT，一种NVIDIA提供的推理部

随笔-Ubuntu中多cuda版本环境配置 由于每个人做得任务不同，在实验室的服务器上，有多个用户和多个cuda版本，如何配置自己使用哪一个cuda呢？ 看一下cuda的安装路径 c

pypi setup.py 通过https://pypi.org/project/ 可以搜索模块并download files 查看其他人的模块如何构建的。 通过官方教程Packaging Python Projects以一个简单的例子介绍

多张图片预测： https://github.com/noahmr/yolov5-tensorrt https://github.com/noahmr/yolov5-tensorrt/blob/main/src/yolov5_d

需求/问题 电脑只能安装一个cuda，但是往往研究tensorflow-gpu的时候，可能需要多个版本的cuda，利用conda可以实现安装多个版本。 安装教程 查看当前cuda版本 nvcc

darknet-Yolo_v3 ， AB版        Z470本 Win10-LTSB-2016 VC2015， NVDIA GeForce GT 520M， 驱动 391.35 问题描述。程序

出现问题当前cuda的算力与gpu的算力不匹配的问题。NVIDIA GeForce RTX GPU 的算力为8.6 而当前的Pytorch安装的CUDA最高算力支持7.5 查看显卡算力：https://developer.nvid

引言 在更换、安装cuda后，nvcc -V(或nvcc --version) 与nvidia-smi中显示的cuda版本不同。系统以哪一个cuda版本为准呢？ （答案：nvcc -V&

当我们通过官网安装cuda和cudnn时，终端执行完命令后我们仍不能确定是否已经安装成功。接下来教大家用几句命令测试。 cuda 检测版本号 nvcc -V如果输出如下，则安装成功。 ** cudnn *

问题如下： 1.问题如下： RuntimeError: CUDA error: device-side assert triggered CUDA kernel errors might be asynchron