再次确认环境变量已经配置
vim ~/.bashrc
# CUDA-11.1export PATH=/usr/local/cuda/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATHexport CUDA_HOME=$CUDA_HOME:/usr/local/cuda
rm -rf /usr/local/cuda#删除之前创建的软链接# /usr/local/cuda-11/是安装的CUDA的路径，/usr/local/cuda/是软链接的路径sudo ln -s /usr/local/cuda-11/ /usr/local/cudanvcc -V #查看当前 cuda 版本
之前在安装系统的时候选择了闭源驱动，以为那样操作之后就万事大吉了，后面如果要安装cuda啥的直接装就行。然而万万没想到还是想简单了，官方提供的闭源驱动版本不完整，这直接导致哪怕
切换CUDA9.0和CUDA10.0 保证多个CUDA版本共存的前提是NVIDIA的驱动都能够支持你所安装的CUDA版本，所以驱动的版本尽可能高，越新的驱动支持的CUDA
目录 1 查看自己的NVIDIA驱动版本 2 下载安装CUDA 2.1 下载CUDA 2.2 自定义路径安装CUDA
文章目录 1. 目前的规划是5.x 2. 最新情况查看 3. 本机内核版本查询 1. 目前的规划是5.x 刚开始是：[Kernel 5.3
1 更改CUDA环境变量 再次确认环境变量已经配置 > vim ~/.bashrc CUDA-11.1 export PATH=/usr/local
1 创建环境 1.1 安装Anaconda 参考本人另一篇博客[【Deepin 20系统】Linux系统安装Anaconda和Tensorflow-gpu2.3][
问题 环境 > Nvidia RTX 2070 > Tensorflow 2 在利用GPU运行了程序。中断重新运行程序，就会报错,GPU内存不够，显然是被占用了
1 Anaconda介绍 因为Python有很多版本，其他软件也有很多版本，比如Python有Python2.x，Python3.5、Python3.6等等，Tensor
1、查看cuda版本 cat /usr/local/cuda/version.txt 2、查看cudnn版本 cat /usr/local/cuda/in
1. cuda 的下载与安装方法选择 到 [CUDA Toolkit Download][] 下载所需版本，以 `cuda_9.0.176_384.81_linux.run`
向右看齐
小灰灰
迈不过友情╰
Myth丶恋晨
左手的ㄟ右手
朱雀
还没有评论，来说两句吧...