博客访问： 1256706
博文数量： 344
博客积分： 4817
博客等级： 上校
技术积分： 4020
注册时间：
IT168企业级官微
微信号：IT168qiye
系统架构师大会
微信号：SACC2013
发布时间： 23:48:24
目前版本的cuda是很方便的，它的一个安装里面包括了Toolkit`SDK`document`Nsight等等，而不用你自己去挨个安装，这样也避免了版本的不同步问题。1 cuda5.5的下载地址，官方网站即可：& &　　/cuda-downloads& &在里.........
阅读(699) | 评论(1) | 转发(0)
发布时间： 23:46:34
CUDA5.0+VS2008+VisualAssist安装1、软硬件环境& & 操作系统：Windows7 台式工控机& &&GPU：Geforce GT420（办公室另外一台台式机的显卡）& &&开发环境：VisualStudio2008、cuda_5.0.35_winvista_win7_win8_general_32-3、VA_X_Setup18452、软件准备&nb.........
阅读(709) | 评论(0) | 转发(0)
发布时间： 09:50:37
转载：http://blog.csdn.net/bendanban/article/details/8151335对指针和地址比较熟悉的童鞋可以比较容易的理解这个概念，为了更好的让更多的人理解cudaMalloc的参数，写这篇文章，以飨读者。首先看下此运行时函数的原型：[cpp]&view plaincopycudaError_t&cudaMal.........
阅读(880) | 评论(0) | 转发(0)
发布时间： 23:04:52
随着多核CPU和众核GPU的到来，并行编程已经得到了业界越来越多的重视，CPU-GPU异构程序能够极大提高现有计算机系统的运算性能，对于科学计算等运算密集型程序有着非常重要的意义。这一系列文章是根据《CUDA C语言编程指南》来整理的，该指南是NVIDIA公司提供的CUDA学习资料，介绍了CUDA编程最基本最核心的概念，是学习CUD.........
阅读(9418) | 评论(0) | 转发(1)
给主人留下些什么吧！~~
请登录后留言。CUDA vs2010配置 - 1957 - 博客园
无聊蛋疼的1957写的低端博客
posts - 214, comments - 37, trackbacks - 0, articles - 1
周末早上一大早来实验室本来说准备看论文的，结果似乎是感冒了，完全没精神看。
=================分割线1===========================
CUDA之前不知在哪儿看了什么(已经不记得了)，一直想搞搞，只是自己电脑一直木有Nvidia的显卡。
实验室来用的电脑室HP的workstation正好有个gtx 285，所以就试试啦。
=================分割线2===========================
吐槽下，昨天用vs2010编译opencv with cuda用了3个小时。
===================正文===========================
先装好一切要装的！
1、把各种path加到路径里面
2、在项目上面点右键 选择 &生成自定义& ，然后就看到有CUDAxxxx的，选上就是了。
3、建立一个.cu文件，然后在上面右键，属性。项类型选择 CUDA C/C++
4、连接库里面加上cudart.lib
5、连接器|常规|附加库目录&& 加上 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.2\lib\Win32 (根据自己的安装位置来)
6、设置文本编辑器.cu的高亮方案用c++的
一切ok，还不会cuda，网上找了个代码来编译一下
#include &stdio.h&
#include &cuda_runtime.h&
bool initCUDA()
cudaGetDeviceCount(&count);
if (count == 0){
fprintf(stderr,"There is no device.\n");
return false;
for(i = 0 ; i & i++){
cudaDeviceP
if (cudaGetDeviceProperties(&prop , i) == cudaSuccess){
if(prop.major &= 1) break;
if(count == i){
fprintf(stderr ,"There is no device supporting CUDA 1.x\n");
return false;
cudaSetDevice(i);
int main()
if(!initCUDA()){
printf("T_T");
printf("CUDA initalized.\n");
getchar();
然后编译成功！
1&------ 已启动全部重新生成: 项目: cuda_test, 配置: Debug Win32 ------
1&生成启动时间为 2012/9/15 11:15:48。
1&_PrepareForClean:
正在删除文件&Debug\cuda_test.lastbuildstate&。
1&CudaClean:
d:\1957\workspace\cuda_test\cuda_test&"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.2\bin\nvcc.exe" -ccbin "d:\1957\Microsoft Visual Studio 10.0\VC\bin"
-I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.2\include"
--keep-dir "Debug" -maxrregcount=0
--machine 32 --compile
-Xcompiler "/EHsc /nologo /Od /Zi
" -o "Debug\cuda.cu.obj" "d:\1957\workspace\cuda_test\cuda_test\cuda.cu" -clean
正在删除文件&Debug\cuda.cu.deps&。
1&InitializeBuildStatus:
正在创建&Debug\cuda_test.unsuccessfulbuild&，因为已指定&AlwaysCreate&。
1&AddCudaCompilePropsDeps:
已找到&CudaToolkitCustomDir&。
已找到&AdditionalDeps&。
已找到&CompileOut&。
已找到&Include&。
已找到&Keep&。
已找到&KeepDir&。
已找到&NvccCompilation&。
已找到&NvccPath&。
已找到&RequiredIncludes&。
已找到&TargetMachinePlatform&。
已找到&CInterleavedPTX&。
已找到&CodeGeneration&。
已找到&GPUDebugInfo&。
已找到&MaxRegCount&。
已找到&PtxAsOptionV&。
已找到&AdditionalCompilerOptions&。
已找到&Defines&。
已找到&Emulation&。
已找到&HostDebugInfo&。
已找到&FastMath&。
已找到&Optimization&。
已找到&Runtime&。
已找到&RuntimeChecks&。
已找到&TypeInfo&。
已找到&Warning&。
已找到&AdditionalOptions&。
已找到&CommandLineTemplate&。
1&CudaBuild:
Compiling CUDA source file cuda.cu...
d:\1957\workspace\cuda_test\cuda_test&"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.2\bin\nvcc.exe" -gencode=arch=compute_10,code=\"sm_10,compute_10\" --use-local-env --cl-version 2010 -ccbin "d:\1957\Microsoft Visual Studio 10.0\VC\bin"
-I"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v4.2\include"
--keep-dir "Debug" -maxrregcount=0
--machine 32 --compile
-Xcompiler "/EHsc /nologo /Od /Zi
" -o "Debug\cuda.cu.obj" "d:\1957\workspace\cuda_test\cuda_test\cuda.cu"
tmpxft_000000-0_cuda.cudafe1.gpu
tmpxft_000000-5_cuda.cudafe2.gpu
tmpxft_000000-0_cuda.cudafe1.cpp
tmpxft_000000-11_cuda.ii
正在删除文件&tmpxft_000000-6_cuda.cpp3.o&。
1&ClCompile:
stdafx.cpp
1&Manifest:
正在删除文件&Debug\cuda_test.exe.embed.manifest&。
1&LinkEmbedManifest:
cuda_test.vcxproj -& d:\1957\workspace\cuda_test\Debug\cuda_test.exe
1&FinalizeBuildStatus:
正在删除文件&Debug\cuda_test.unsuccessfulbuild&。
正在对&Debug\cuda_test.lastbuildstate&执行 Touch 任务。
1&生成成功。
1&已用时间 00:00:05.70
========== 全部重新生成: 成功 1 个，失败 0 个，跳过 0 个 ==========&&&&手把手教你CUDA6.0如何在VS2010配置
手把手教你CUDA6.0如何在VS2010配置
介绍了在VS2010下搭建cuda6.0的方法
若举报审核通过，可奖励20下载分
被举报人：
karl__2009
举报的资源分：
请选择类型
资源无法下载
资源无法使用
标题与实际内容不符
含有危害国家安全内容
含有反动色情等内容
含广告内容
版权问题，侵犯个人或公司的版权
*详细原因：
VIP下载&&免积分60元/年（1200次）
您可能还需要
开发技术下载排行win7+&VS2010安装CUDA7.0图文说明
win7+ VS2010安装CUDA7.0图文说明
查看本机配置，查看显卡类型是否支持NVIDIA GPU，选中计算机--&
右键属性 --&
设备管理器 --&
显示适配器：NVIDIA GeForce GT 610，从/cuda-gpus可以查到相应显卡的compute
capability；
从/Download/index.aspx?lang=cn下载合适驱动347.88-desktop-win8-win7-winvista-64bit-international-whql.exe
从/cuda-toolkit&&
根据本机类型下载相应的最新版本CUDA7.0安装；
4.按照/cuda/cuda-getting-started-guide-for-microsoft-windows/index.html#axzz3W8BU10Ol&
步骤，验证是否安装正确：
(1)、打开C:\ProgramData\NVIDIACorporation\CUDA
Samples\v7.0目录下的Samples_vs2010.sln工程，分别在Debug、Release
x64下编译整个工程；
(2)、编译过程中，会提示找不到”d3dx9.h”、”d3dx10.h”、”d3dx11.h”头文件，可以从/en-us/download/details.aspx?id=6812下载DXSDK_Jun10.exe，然后安装到默认目录下；再编译工程即可；
如果安装DXSDK_Jun10.exe出错，如下图
解决办法：
打开“控制面板”的“程序和功能”，果然计算机里之前有安装“Microsoft Visual C++ 2010
x86 Redistributable - 19”，而DXSDK_Jun安装的是“Microsoft
Visual C++ 2010 x86 Redistributable -
19”，版本低于本机已安装的版本，所以安装出现s1023错误。
卸载更高的版本“Microsoft Visual C++ 2010 x86 Redistributable
- 19”和“Microsoft
Visual C++ 2010 x64 Redistributable -
19”，再重新安装即可。
重新启动vs2010，即可编译通过。
(3)、打开C:\Program
Files\NVIDIA
Corporation\Installer2\CUDASamples_7.0.{658B19AF-1B62-4FD6-A2B7-9E653E4F2B7A}\bin\win64\Release目录，打开cmd命令行，将deviceQuery.exe直接拖到cmd中，回车，会显示GPU显卡、CUDA版本等相关信息，最后一行显示：Result
(4)、将bandwidthTest.exe拖到cmd中，回车，会显示Device0:
GeForce GT 610等相关信息，后面也会有一行显示：Result
= PASS；&&&&&&
配置VS2010
(1)、打开VS2010，新建工程，选win32，记得勾选”空项目“。
(2)、右键源文件-&添加新建项-&选择CUDA
C/C++File，名字任意了。
(3)、右键工程-&生成自定义-&勾选CUDA
(4)、右键main.cu-&属性-&项类型&
选择"CUDA C/C++"
(5)、右键工程-&属性-&链接器-&常规-&附加库目录-&添加目录$(CUDA_PATH_V7_0)\lib\$(Platform);
(6)、链接器-&输入-&附加依赖项
添加cudart.lib
(7)、在main.cu中加入代码，示例代码如下：
#include& stdio.h&&
#include "cuda_runtime.h"&
#include "device_launch_parameters.h"&
bool InitCUDA()&
cudaGetDeviceCount(&count);&
if(count == 0)&
&&&&&&&&&&&
fprintf(stderr, "There is no device.\n");&
&&&&&&&&&&&
for(i = 0; i & i++)&
&&&&&&&&&&&
cudaDeviceP&
&&&&&&&&&&&
if(cudaGetDeviceProperties(&prop, i) ==
cudaSuccess)&
&&&&&&&&&&&
&&&&&&&&&&&&&&&
if(prop.major &= 1)&
&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&&&&&
&&&&&&&&&&&&&&&
&&&&&&&&&&&
if(i == count)&
&&&&&&&&&&&
fprintf(stderr, "There is no device supporting CUDA
1.x.\n");&
&&&&&&&&&&&
cudaSetDevice(i);&
int main()&
if(!InitCUDA())&
&&&&&&&&&&&
return 0;&
printf("HelloWorld, CUDA has been initialized.\n");&
return 0;&
运行结果：
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。CUDA6.5VS2010安装
手把手教你cuda5.5与VS2010的编译环境搭建
目前版本的cuda是很方便的，它的一个安装里面包括了Toolkit`SDK`document`Nsight等等，而不用你自己去挨个安装，这样也避免了版本的不同步问题。
1 cuda5.5的下载地址，官方网站即可：
& &　　/cuda-downloads&
&在里面选择你所对应的电脑版本即可。
2 VS2010这个没什么说的了，网上各种的免费资源，下载一个不需要钱的就行。
3 Cuda的安装：（win7版32bit）
　　3.1 cuda的安装文件
　　直接双击exe文件，弹出后，首先会监测一下你的运行环境，如果找不到Nividia对应的显卡设备，他会提示你是否要继续安装。这里面nvidia的显卡，最起码也是8800以上的，要不是无法编写CUDA的。千万不要电脑上面是intel或者AMD的显卡，却要编写cuda，除非你有钱买一个cuda-x86这个编译器。
　　3.2 弹出的对话框直接OK就行，这个是CUDA的一些安装文件，无所谓的：
　　3.3 他会监测你的电脑是否支持cuda的搭建，等待就行
　　3.4 系统检查
　　3.5 选择同意并继续
　　3.6 推荐先选择自定义安装
　　3.7 最主要的是cuda document\cuda Toolkit \cuda samples(SDK),Nsight\图形驱动程序，3D如果需要的话安装，不安装也无所谓。这里主要就是能看见都有什么，免得漏掉了，博主当初就因为选了精简安装，没安装上SDK。
　　3.7 安装的位置，推荐自己建三个好找的文件夹，不用他默认的路径，免得稍后配置环境变量麻烦。
博主的安装路径为：
　　3.8 下一步安装就行了。
至此，cuda的安装就搞定了。
4 接下来配置cuda的环境变量，默认安装好后，他会自动帮你设置好2个环境变量，但是最好还自己添加下其他的几个，方便日后配置vs使用
上面的两个环境变量是cuda默认配置的，接下来添加
CUDA_BIN_PATH　　%CUDA_PATH%\bin
CUDA_LIB_PATH　　%CUDA_PATH%\lib\Win32
CUDA_SDK_BIN　　%CUDA_SDK_PATH%\bin\Win32
CUDA_SDK_LIB　　%CUDA_SDK_PATH%\common\lib\Win32
CUDA_SDK_PATH　　C:\cuda\cudasdk\common
添加完就行了
5 接下来是cuda的安装成功与否的监测了，这个步骤我们用到两个东西，这两个东西，都是cuda为我们准备好的。
deviceQuery.exe 和 bandwithTest.exe
　　首先启动cmd DOS命令窗口（博主的cuda安装到c:\cuda文件夹下）
　　默认进来的是c:\users\Admistrator\&路径，输入 cd .. 两次，来到c:目录下
　　输入dir 找到安装的cuda文件夹
进入Release文件夹后，直接执行bandwithTest.exe
再执行deviceQuery.exe
得到以上信息，因为我的显卡比较古老9300属于第一代的cuda显卡了。Rsult=PASS及说明，都通过了。如果Rsult=Fail 那不好意思，重新安装吧（或者是您的显卡真心不给力）。
&关于VS项目测试（推荐）
打开VS，新建项目
利用安装好的cuda向导，直接建立工程，里面会自动有一段kernel累加的代码
#include &cuda_runtime.h&
#include &device_launch_parameters.h&
#include &stdio.h&
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size);
__global__ void addKernel(int *c, const int *a, const int *b)
int i = threadIdx.x;
c[i] = a[i] + b[i];
int main()
const int arraySize = 5;
const int a[arraySize] = { 1, 2, 3, 4, 5 };
const int b[arraySize] = { 10, 20, 30, 40, 50 };
int c[arraySize] = { 0 };
// Add vectors in parallel.
cudaError_t cudaStatus = addWithCuda(c, a, b, arraySize);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &addWithCuda failed!&);
printf(&{1,2,3,4,5} + {10,20,30,40,50} = {%d,%d,%d,%d,%d}\n&,
c[0], c[1], c[2], c[3], c[4]);
// cudaDeviceReset must be called before exiting in order for profiling and
// tracing tools such as Nsight and Visual Profiler to show complete traces.
cudaStatus = cudaDeviceReset();
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaDeviceReset failed!&);
getchar();
// Helper function for using CUDA to add vectors in parallel.
cudaError_t addWithCuda(int *c, const int *a, const int *b, unsigned int size)
int *dev_a = 0;
int *dev_b = 0;
int *dev_c = 0;
cudaError_t cudaS
// Choose which GPU to run on, change this on a multi-GPU system.
cudaStatus = cudaSetDevice(0);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaSetDevice failed!
Do you have a CUDA-capable GPU installed?&);
// Allocate GPU buffers for three vectors (two input, one output)
cudaStatus = cudaMalloc((void)&dev_c, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaMalloc failed!&);
cudaStatus = cudaMalloc((void)&dev_a, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaMalloc failed!&);
cudaStatus = cudaMalloc((void)&dev_b, size * sizeof(int));
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaMalloc failed!&);
// Copy input vectors from host memory to GPU buffers.
cudaStatus = cudaMemcpy(dev_a, a, size * sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaMemcpy failed!&);
cudaStatus = cudaMemcpy(dev_b, b, size * sizeof(int), cudaMemcpyHostToDevice);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaMemcpy failed!&);
// Launch a kernel on the GPU with one thread for each element.
addKernel&&&1, size&&&(dev_c, dev_a, dev_b);
// Check for any errors launching the kernel
cudaStatus = cudaGetLastError();
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &addKernel launch failed: %s\n&, cudaGetErrorString(cudaStatus));
// cudaDeviceSynchronize waits for the kernel to finish, and returns
// any errors encountered during the launch.
cudaStatus = cudaDeviceSynchronize();
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaDeviceSynchronize returned error code %d after launching addKernel!\n&, cudaStatus);
// Copy output vector from GPU buffer to host memory.
cudaStatus = cudaMemcpy(c, dev_c, size * sizeof(int), cudaMemcpyDeviceToHost);
if (cudaStatus != cudaSuccess) {
fprintf(stderr, &cudaMemcpy failed!&);
cudaFree(dev_c);
cudaFree(dev_a);
cudaFree(dev_b);
return cudaS
在main函数return之前加入getchar()，停止自动退出，以便观测效果
进入后，点击运行按钮，可能发生LINK错误（如果没有错误，跳过此段）
这时进入-》项目-》属性-》通用配置-》输入和输出-》嵌入清单 ---- 修改成否，原来可能为“是”
再次编译，成功运行后，会显示下面的结果
恭喜，cuda已经在您的机器上安装成功了。
如果是新手，推荐这样新建工程后，在里面修改代码成为自己的工程，配置属性不会出错。
如果想要自己手动配置也可以参考下面的例子。
手动配置VS项目（不推荐）
最后就是VS的配置了（这个是自己手动配置的，有时候容易出现问题，不是很推荐，建议用上面的方法建立项目进行测试）
　　5.1&启动VS2010
　　5.2 新建一个win32的控制台工程，空的。
　　5.3 右键源文件文件夹-&新建项-&选择cuda c/c++-&新建一个以.cu结尾的文件
　　5.4 右键工程-》生成自定义-》选择cuda生成
　　5.5 右键test.cu-》属性-》选择cuda c/c++编译器
　　5.6 右键工程-》属性-》链接器-》常规-》附加库目录-》添加目录&$(CUDA_PATH_V5_5)\lib\$(Platform);
　　5.7 在链接器-》输入中添加 cudart.lib
　　5.8 在工具-》选项-》文本编辑器-》文件扩展名-》添加cu \cuh两个文件扩展名
至此，编译环境的相关搭建就完成了。
下面提供了一段test.cu的代码，供测试使用：
1 #include &stdio.h&
2 #include &stdlib.h&
3 #include &cuda_runtime.h&
5 #define DATA_SIZE 1024
6 #define checkCudaErrors(err)
__checkCudaErrors (err, __FILE__, __LINE__)
7 #define getLastCudaError(msg)
__getLastCudaError (msg, __FILE__, __LINE__)
9 int data[DATA_SIZE];
11 ////////////////////////////////////////////////////////////////////////////////
12 // These are CUDA Helper functions
14 // This will output the proper CUDA error strings in the event that a CUDA host call returns an error
17 inline void __checkCudaErrors(cudaError err, const char *file, const int line )
if(cudaSuccess != err)
fprintf(stderr, &%s(%i) : CUDA Runtime API error %d: %s.\n&,file, line, (int)err, cudaGetErrorString( err ) );
26 // This will output the proper error string when calling cudaGetLastError
29 inline void __getLastCudaError(const char *errorMessage, const char *file, const int line )
cudaError_t err = cudaGetLastError();
if (cudaSuccess != err)
fprintf(stderr, &%s(%i) : getLastCudaError() CUDA error : %s : (%d) %s.\n&,
file, line, errorMessage, (int)err, cudaGetErrorString( err ) );
40 // end of CUDA Helper Functions
42 __global__ static void sumOfSquares(int *num, int * result){
int sum=0;
for(i=0;i&DATA_SIZE;i++) {
sum += num[i]*num[i];
50 void GenerateNumbers(int *number, int size){
for(int i = 0; i & i++) {
number[i] = rand() % 10;
printf(&number[%d] is %d\n&,i,number[i]);
56 int main(){
cudaSetDevice(0);
cudaDeviceSynchronize();
cudaThreadSynchronize();
GenerateNumbers(data, DATA_SIZE);
int * gpudata, *
checkCudaErrors( cudaMalloc((void) &gpudata, sizeof(int)*DATA_SIZE));
checkCudaErrors(cudaMalloc((void) &result, sizeof(int)));
checkCudaErrors(cudaMemcpy(gpudata, data, sizeof(int)*DATA_SIZE,cudaMemcpyHostToDevice));
sumOfSquares&&&1, 1, 0&&&(gpudata, result);
checkCudaErrors(cudaMemcpy(&sum, result, sizeof(int), cudaMemcpyDeviceToHost));
cudaFree(gpudata);
cudaFree(result);
printf(&-----------sum: %d\n&,sum);
for(int i = 0; i & DATA_SIZE; i++) {
sum += data[i] * data[i];
printf(&sum (CPU): %d\n&, sum);
getchar();

> 本站内容系网友提交或本网编辑转载，其目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请及时与本网联系，我们将在第一时间删除内容！
为后期进行Deep Learning ,首先在Linux下安装CUDA ,用于后期开发基础,发现网上的一些步骤太宽泛,不能细化到具体的操作系统版本.显卡型号,比如CUDA版本和显卡型号如果不对应的话,即使按照网上所给步骤正确安装CUDA的话,到最后一步的./deviceQuery依旧会出错,所以第一步确定系统版本.显卡型号和对应的CUDA Toolkit至关 ...
第一次这么正式的写技术博客,一是锻炼下写总结的能力,二来也算是由于自己看技术贴多却从来没有贡献过自己的感到羞愧. 1.准备 一.首先,运行环境为ubuntu14.04,因此本文都假设大家已经装好了ubuntu14.04,另外,cuda时nvidia公司为自己的gpu设计的编程架构,因此要使用cuda首先要保证自己的电脑具有nvidia的显卡特别时要有cuda ...
安装指南:/cuda/cuda-getting-started-guide-for-linux/index.html#runfile-installation 准备工作: 在终端输入: lspci | grep -i nvidia 查看自己的显卡型号是否是NVIDIA官网上列出来的支持CUDA的型号. 将在软件中心 ...
Cuda6.5安装 备注:已经装好cuda的请略过,往下看. 记得没有VS2012的一定要先装VS.否则:安装后打开VS2012新建项目不显示NIVIDA解决方案.记住记住记住!重要的事情说三遍! 第一步:安装文件的下载,直接去官网就下载就可以.现在有cuda7.0了. 直接双击exe文件,弹出后,首先会监测一下你的运行环境,如果找不到Nividia对应的显 ...
安装前准备 1. 确认是否有支持cuda的设备 2.安装官方驱动,可参考http://blog.csdn.net/icemango1209/article/details/ 安装 有两种安装方法,对应下载rpm文件和run文件,二选一,两种方法不兼容. 本人选用run文件,使用的是基于Fedora19的版本,可以在Fedora 20上使用.
Installing CUDA Toolkit 6.5 on Ubuntu 14.04 Linux The following explains how to install CUDA Toolkit 6.5 on 64-bit Ubuntu 12.04 Linux. I have tested it on a self-assembled desktop
参照两位的博客 http://caffe.berkeleyvision.org/
官网 http://blog.csdn.net/u/article/details/
caffe+ubunutu14.04 +cuda 6.5 安装指南 http://blog.csdn.net/bebelemon/article/ ...
洋洋洒洒一大篇,就没截图了,这几天一直在折腾这个东西,实在没办法,不想用Linux但是,为了Caffe,只能如此了,安装这些东西,遇到很多问题,每个问题都要折磨很久,大概第一次就是这样的.想想,之后应用,应该还会遇到很多问题吧,不过没办法了,骑虎难下!!这里有个建议是,如果将来要做大数据集,最好事先给Linux留多点空间,比如Imagenet,估计500 ...}