1.基本流程
第一部分基本上是下载并运行，这里一定要和github建立ssh链接并用ssh方式进行克隆。
2.CUDA 和 GCC 的关系
2.1. CUDA 和 GCC 的关系
- CUDA: 是 NVIDIA 提供的并行计算平台和编程模型，用于利用 NVIDIA GPU 进行高性能计算。CUDA 程序通常以 文件格式编写。
- GCC (GNU Compiler Collection): 是一个编译器集合，主要用于编译 C、C++ 和其他语言的源代码。在 CUDA 中，GCC 被用作编译 CUDA 代码的主机代码部分。
2.2. 谁在谁之上
在编译 CUDA 程序时，CUDA 编译器（）负责将 文件编译成可执行文件。 会调用 GCC 来编译主机代码部分。因此，可以认为：
- nvcc 在 GCC 之上，负责整个编译过程。
- GCC 用于编译 CUDA 程序中的主机代码。
2.3. 文件需要的 GCC 版本
CUDA 对 GCC 的版本有一定的要求。通常，CUDA Toolkit 的文档会列出兼容的 GCC 版本。以下是一些常见的规则：
- CUDA 10.x: 通常兼容 GCC 5.x 和 7.x，但不支持 GCC 9.x 及以上版本。
- CUDA 11.x: 通常支持 GCC 7.x 和 9.x。
- CUDA 12.x: 可能支持更高版本的 GCC，如 9.x 和 10.x。
总结
- 在编译 CUDA 程序时，使用 来处理 文件，并调用适当版本的 GCC 编译主机代码。
- 确保使用与您 CUDA Toolkit 版本兼容的 GCC 版本，以避免编译错误。
如果需要特定版本的兼容性信息，可以查看 NVIDIA 的 CUDA Toolkit 文档.
3. gcc版本
这次我们需要对gcc进行降级
gcc多版本安装与切换
gcc11的问题
gcc9的问题
gcc6的安装
4. 网络失败的报错
ERROR: Cannot unpack file /tmp/pip-unpack-uxmnsi4z/simple (downloaded from /tmp/pip-req-build-wgarvgpm, content-type: text/html;charset=UTF-8); cannot detect archive format ERROR: Cannot determine archive format of /tmp/pip-req-build-wgarvgpm Looking: command not found
直接重新下载就可以
5. 如何查看gpu利用率
6.device参数。
这两种表述的区别在于，to（device）操作是复制到所有的GPU还是只赋值到一个GPU上。
我们采取上面的写法，否则会报错。
数据并行很简单，核心就是一行，model=nn.DataParallel(model)
7.git 忽视，错误添加如何回退
没有commit之前，但是已经add了，这些文件如何去除
8.Tensor board
8.1 安装
8.2 图片和模型graph
报了一个ANTIALIAS的错误，重装pillow为较低的版本就可以解决。
这个是效果图，是一个batch，且归一化之后的结果，我也看不出是啥，关键是我们会用了。
graph值得一提的是DP之后的模型是不可直接add_graph的，我们智能制造一个没有并行的副本model_print
8.3 loss
那么需要用这个指令降级protobuf来和tensorboard适配（我的tensorboard 2.14.0）
统计每10步的平均值，且每10步一输出。
10 redis 安装
回到主线，现在需要安装redis
redis install
redis有兼容性，直接 就可以了
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/iosbc/31661.html