程序员经验分享-hwhale

在Windows10环境安装CUDA11.7及PyTorch1.13--使用Nvidia RTX A4000开始炼丹之旅

2023-11-09

在Windows10环境安装CUDA11.7及PyTorch1.13–使用Nvidia RTX A4000开始炼丹之旅

前言

这个双十一，RTX3090矿卡反倒是涨价了，RTX3090Ti当然也涨价了。。。只好从x宝搞一只工包丽台RTX A4000，唯一的好处就是显存大并且便宜。。。较RTX3060 12G，16G显存能玩的时间可能也长一点，毕竟现在是4K屏，显存大当然更从容些。

硬件配置

之前有写过：https://lizhiyong.blog.csdn.net/article/details/123294308

主板：x99f8d
CPU：e5 2696v3 *2 【36核72线程】
内存条：DDR4 ECC 32G *8 【256G】
显卡：RTX A4000 【16G显存】
散热器：ta 120ex *2 【单风扇】
SSD：MX500 2T *2 【4T】
HDD：NAS拆的酷狼 4T
电源：GX1000 【1000W】
机箱：614PC 【标配2风扇+套装3风扇】
显示器：27寸 【4K】
键鼠：笔记本淘汰的一套 【USB口】
网卡：主板自带的网卡

今天终于让GT730光荣退役了。

安装驱动

去Nvidia官网：https://www.nvidia.cn/Download/index.aspx?lang=cn

在这里插入图片描述

丽台还是可以省不少事情。。。因为CUDA可以比驱动老一些，所以直接Down个最新版本的驱动，不过多解释。

在这里插入图片描述

安装CUDA

查看支持的CUDA版本

驱动安装完毕并重启后就可以查看当前能够支持的最高版本CUDA：

在这里插入图片描述

可以看到目前的驱动支持的CUDA最高版本是：12.0.79。

当然不可能去安装最高版本的CUDA。。。为了能够正常使用PyTorch，一定是按照PyTorch的要求去安装才比较稳妥。。。虽然Flink1.15集群使用JDK1.17貌似也没出现啥特别严重的生产事故，但对非专业运维的开发人员来说，环境方面的问题还是稳妥点好。

查看PyTorch需要的CUDA版本

在PyTorch的官网：https://pytorch.org/

可以看到：

在这里插入图片描述

显然需要安装的CUDA版本是11.7。

老黄的网站：https://developer.nvidia.com/cuda-toolkit

在这里插入图片描述

点Download后：

在这里插入图片描述

默认的是11.8，笔者没心思验证是不是也能凑合着用。。。稳妥起见，还是应该选11.7。

安装CUDA11.7.1

在这个官方网站：https://developer.nvidia.com/cuda-toolkit-archive

在这里插入图片描述

可以找到古老的11.7.1版本，就是它了。

在这里插入图片描述

直接下载安装即可。

在这里插入图片描述

还需要被迫先安装一个Visual Studio。。。

在这里插入图片描述

笔者搞过C#，先这样吧。。。安装好Visual Studio后重新安装CUDA11.7.1即可。

验证CUDA

打开路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin

在这里插入图片描述

有个nvcc.exe文件。在CMD：

Microsoft Windows [版本 10.0.19045.2251]
(c) Microsoft Corporation。保留所有权利。

C:\Users\zhiyong>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Jun__8_16:59:34_Pacific_Daylight_Time_2022
Cuda compilation tools, release 11.7, V11.7.99
Build cuda_11.7.r11.7/compiler.31442593_0

C:\Users\zhiyong>

这种情况就不需要配置环境变量了。。。如果识别不到就需要环境变量添加至少这个路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin

此时可以确定CUDA安装成功。

安装Anaconda

直接官网：https://www.anaconda.com/

下载最新版本，一路下一步，再打2个钩，即可使用Anaconda来托管Python的环境，非常方便。

C:\Users\zhiyong>conda -V
conda 22.9.0

C:\Users\zhiyong>conda list
# packages in environment at C:\Users\zhiyong\anaconda3:
#
# Name                    Version                   Build  Channel
# 这里有一大坨
conda                     22.9.0           py39haa95532_0
# 这里也有一大坨，省略了
zstd                      1.5.2                h19a0ad4_0

C:\Users\zhiyong>

笔者之前为了使用PySpark已经安装过了。但是由于种种原因GUI坏掉了，所以笔者需要修复它。命令行比GUI稳定性好多了。。。

解决Anaconda启动闪退的问题

使用管理员运行：conda prompt

之后继续执行：

conda update anaconda-navigator
y
anaconda-navigator --reset
conda update anaconda-client
y
conda update -f anaconda-client
y

此时修复完毕。

解决Anaconda长时间init的问题

需要先断网，打开Anaconda后再联网。。。需要这么一套操作猛如虎的应该也不止笔者一个吧。。。

安装PyTorch2.13

在新的Env安装

先新建一个专门玩PyTorch的Env【笔者随意起名叫pytorch1】，防止出现依赖包冲突的问题：

在这里插入图片描述

然后管理员身份启动CMD：

C:\WINDOWS\system32>conda env list
# conda environments:
#
                         C:\ProgramData\Anaconda3
                         C:\ProgramData\Anaconda3\envs\pytorch1
base                     C:\Users\zhiyong\anaconda3
pyspark1                 C:\Users\zhiyong\anaconda3\envs\pyspark1
C:\WINDOWS\system32>activate pytorch1

EnvironmentNameNotFound: Could not find conda environment: pytorch1
You can list all discoverable environments with `conda info --envs`.

C:\WINDOWS\system32>

显然此时出现了问题。。。remove掉重新再生成一个：

activate base
conda remove pytorch1
conda create -n pytorch1 python=3.9.13

此处的Python版本一定要选对，否则之后安装PyTorch会出现下方的报错。

敲y确定后，稍等几分钟即可看到：

C:\WINDOWS\system32>conda info --envs
# conda environments:
#
                         C:\ProgramData\Anaconda3
base                     C:\Users\zhiyong\anaconda3
pyspark1                 C:\Users\zhiyong\anaconda3\envs\pyspark1
pytorch1                 C:\Users\zhiyong\anaconda3\envs\pytorch1


C:\WINDOWS\system32>activate pytorch1

(pytorch1) C:\WINDOWS\system32>conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
Proceed ([y]/n)? y

如果有配置加速：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/

其实也可以不用后边的2个-c的参数。。。

解决报错

This can take several minutes.  Press CTRL-C to abort.
Examining torchaudio:  25%|███████████████▌                                              | 2/8 [01:03<03:11, 31.93s/it]/Examining conflict for pytorch torchaudio torchvision:  25%|███████▎                     | 2/8 [00:03<00:10,  1.68s/it]-Examining conflict for pytorch torchvision:  38%|███████████████                         | 3/8 [00:08<00:08,  1.77s/it]\Examining conflict for python torchvision:  50%|████████████████████▌                    | 4/8 [00:14<00:09,  2.35s/it]-failed

UnsatisfiableError: The following specifications were found
to be incompatible with the existing python installation in your environment:

Specifications:

  - pytorch -> python[version='2.6.*|2.7.*|3.4.*|3.5.*|3.6.*|3.3.*|>=2.7,<2.8.0a0|>=3.11,<3.12.0a0|3.9.10|3.8.12|3.7.12|3.7.10|3.7.10|3.6.12|3.7.9|3.6.12|3.6.9|3.6.9|3.6.9|3.6.9|>=3.8|>=3.6|>=3.5|>=3.7|>=3.6,<3.7|3.9.*',build='0_73_pypy|1_73_pypy|2_73_pypy|3_73_pypy|5_73_pypy|5_73_pypy|0_73_pypy|1_73_pypy|0_73_pypy|4_73_pypy']

Your python: python=3.9.13

If python is on the left-most side of the chain, that's the version you've asked for.
When python appears to the right, that indicates that the thing on the left is somehow
not available for the python version you are constrained to. Note that conda will not
change your python version to a different minor version unless you explicitly specify
that.

The following specifications were found to be incompatible with each other:

Output in format: Requested package -> Available versions

Package vs2008_runtime conflicts for:
pytorch -> ninja -> vs2008_runtime
torchvision -> python -> vs2008_runtime

Package requests conflicts for:
python=3.9 -> pip -> requests
torchvision -> requests

Package pytorch-cuda conflicts for:
torchaudio -> pytorch==1.13.0 -> pytorch-cuda[version='>=11.6,<11.7|>=11.7,<11.8']
torchaudio -> pytorch-cuda[version='11.6.*|11.7.*']
torchvision -> pytorch==1.13.0 -> pytorch-cuda[version='>=11.6,<11.7|>=11.7,<11.8']
pytorch -> pytorch-cuda[version='>=11.6,<11.7|>=11.7,<11.8']
torchvision -> pytorch-cuda[version='11.6.*|11.7.*']

Package pytorch conflicts for:
torchvision -> pytorch[version='1.10.0|1.10.1|1.10.2|1.13.0|1.12.1|1.12.0|1.11.0|1.9.1|1.9.0|1.8.1|1.8.0|1.7.1|1.7.0|1.6.0|1.5.1|1.5.0|1.4.0|1.3.1|1.3.0|1.2.0|>=1.1.0|>=1.0.0|>=0.4']
torchaudio -> pytorch[version='1.10.0|1.10.1|1.10.2|1.11.0|1.12.0|1.12.1|1.13.0|1.9.1|1.9.0|1.8.1|1.8.0|1.7.1|1.7.0|1.6.0']


(pytorch1) C:\WINDOWS\system32>

根据提示，应该更换为3.1.10再次尝试：

activate base
conda remove pytorch1
conda create -n pytorch1 python=3.9.10
y
conda install pytorch torchvision torchaudio pytorch-cuda=11.7
y

这次的报错少了一些：

This can take several minutes.  Press CTRL-C to abort.-
Examining pytorch-cuda=11.7:  25%|█████████████▊                                         | 2/8 [01:13<03:40, 36.68s/it]/Examining torchaudio: 100%|██████████████████████████████████████████████████████████████| 8/8 [01:44<00:00, 12.02s/it]\failed

UnsatisfiableError: The following specifications were found to be incompatible with each other:

Output in format: Requested package -> Available versions

Package pytorch conflicts for:
pytorch
torchvision -> pytorch[version='1.10.0|1.10.1|1.10.2|1.13.0|1.12.1|1.12.0|1.11.0|1.9.1|1.9.0|1.8.1|1.8.0|1.7.1|1.7.0|1.6.0|1.5.1|1.5.0|1.4.0|1.3.1|1.3.0|1.2.0|>=1.1.0|>=1.0.0|>=0.4']
torchaudio -> pytorch[version='1.10.0|1.10.1|1.10.2|1.11.0|1.12.0|1.12.1|1.13.0|1.9.1|1.9.0|1.8.1|1.8.0|1.7.1|1.7.0|1.6.0']

Package pytorch-cuda conflicts for:
torchaudio -> pytorch==1.13.0 -> pytorch-cuda[version='>=11.6,<11.7|>=11.7,<11.8']
torchvision -> pytorch==1.13.0 -> pytorch-cuda[version='>=11.6,<11.7|>=11.7,<11.8']
torchvision -> pytorch-cuda[version='11.6.*|11.7.*']
pytorch-cuda=11.7
torchaudio -> pytorch-cuda[version='11.6.*|11.7.*']

Package setuptools conflicts for:
torchvision -> setuptools
python=3.9.10 -> pip -> setuptools

Package msvc_runtime conflicts for:
torchvision -> python[version='>=3.5,<3.6.0a0'] -> msvc_runtime
pytorch -> python[version='>=3.5,<3.6.0a0'] -> msvc_runtime


(pytorch1) C:\WINDOWS\system32>

显然Python版本更换后还有其它的问题。。。

根据官网：https://pytorch.org/get-started/locally/

在这里插入图片描述

目前Windows10的PyTorch只能使用3.7->3.9，所以降低Python版本：

activate base
conda remove pytorch1
conda create -n pytorch1 python=3.8
y
activate pytorch1
conda install pytorch torchvision torchaudio pytorch-cuda=11.7
y

依旧失败，还是因为有很多包冲突。。。显然conda命令是有问题的。换用pip3的方式：

(pytorch1) C:\WINDOWS\system32>pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
Installing collected packages: urllib3, typing-extensions, pillow, numpy, idna, charset-normalizer, torch, requests, torchvision, torchaudio
Successfully installed charset-normalizer-2.1.1 idna-3.4 numpy-1.23.4 pillow-9.3.0 requests-2.28.1 torch-1.13.0+cu117 torchaudio-0.13.0+cu117 torchvision-0.14.0+cu117 typing-extensions-4.4.0 urllib3-1.26.12

(pytorch1) C:\WINDOWS\system32>

貌似这样可以成功。

验证PyTorch

继续在pytorch1这个Env安装spark-shell敲scala命令的方式敲python命令：

(pytorch1) C:\WINDOWS\system32>python
Python 3.8.13 (default, Oct 19 2022, 22:38:03) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.__version__
'1.13.0+cu117'
>>> exit()

(pytorch1) C:\WINDOWS\system32>

可以看到目前已经启用了CUDA加速，且PyTorch的版本是1.13，安装成功。

测试CUDA效果

使用PyCharm新建项目

在这里插入图片描述

Py脚本

import time

import torch

if __name__ == '__main__':
    print("启动！！！")
    print("PyTorch版本：" + torch.__version__)
    print("PyTorch是否启动CUDA：", torch.cuda.is_available())

    matrix_a1 = torch.randn(99999, 9999)
    matrix_b1 = torch.randn(9999, 88888)

    t1 = time.time() #cpu运算前的时间
    matrix_c1 = torch.matmul(matrix_a1,matrix_b1) #cpu做矩阵相乘
    t2 = time.time() #cpu运算后的时间
    print("当前模式：",matrix_a1.device,"\t耗时：",t2-t1,matrix_c1.norm(2))

    gpu = torch.device("cuda")
    matrix_a2=matrix_a1.to(gpu)
    matrix_b2=matrix_b1.to(gpu)

    t3=time.time() #gpu运算前的时间
    matrix_c2=torch.matmul(matrix_a2,matrix_b2)
    t4=time.time() #gpu运算后的时间
    print("当前模式：", matrix_a2.device, "\t耗时：", t4 - t3, matrix_c2.norm(2))

    t5=time.time() #gpu运算前的时间
    matrix_c3=torch.matmul(matrix_a2,matrix_b2)
    t6=time.time() #gpu运算后的时间
    print("当前模式：", matrix_a2.device, "\t耗时：", t6 - t5, matrix_c3.norm(2))

结果显存爆了：

C:\Users\zhiyong\anaconda3\envs\pytorch1\python.exe C:/Users/zhiyong/PycharmProjects/pyTorchProject1/com.zhiyong.demo1/pyTorchDemo1.py
启动！！！
PyTorch版本：1.13.0+cu117
PyTorch是否启动CUDA： True
当前模式： cpu 	耗时： 147.05355715751648 tensor(4203777.)
Traceback (most recent call last):
  File "C:/Users/zhiyong/PycharmProjects/pyTorchProject1/com.zhiyong.demo1/pyTorchDemo1.py", line 23, in <module>
    matrix_c2=torch.matmul(matrix_a2,matrix_b2)
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 33.11 GiB (GPU 0; 15.99 GiB total capacity; 7.04 GiB already allocated; 7.86 GiB free; 7.04 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

进程已结束,退出代码1

结果出乎意料。。。CPU运算了147s成功了，占用了18C【Win10调度有问题，但是依旧能跑满单路】和60G内存。GPU运算因为显存不足32G【A4000只有16G】，申请不到足够的显存，直接失败了。。。

第二次测试

这次减少数据量：

    matrix_a1 = torch.randn(99999, 9999)
    #matrix_b1 = torch.randn(9999, 88888)#CPU可以运算
    matrix_b1 = torch.randn(9999, 20000)#GPU运算量太大会爆显存

结果显存又OOM了：

C:\Users\zhiyong\anaconda3\envs\pytorch1\python.exe C:/Users/zhiyong/PycharmProjects/pyTorchProject1/com.zhiyong.demo1/pyTorchDemo1.py
启动！！！
PyTorch版本：1.13.0+cu117
PyTorch是否启动CUDA： True
当前模式： cpu 	耗时： 32.04557013511658 tensor(3089646.7500)
当前模式： cuda:0 	耗时： 1.7030134201049805 tensor(4472055.5000, device='cuda:0')
Traceback (most recent call last):
  File "C:/Users/zhiyong/PycharmProjects/pyTorchProject1/com.zhiyong.demo1/pyTorchDemo1.py", line 29, in <module>
    matrix_c3=torch.matmul(matrix_a2,matrix_b2)
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 7.45 GiB (GPU 0; 15.99 GiB total capacity; 11.92 GiB already allocated; 2.17 GiB free; 11.92 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF

进程已结束,退出代码1

第三次测试

    #matrix_a1 = torch.randn(99999, 9999)#CPU可以运算
    #matrix_b1 = torch.randn(9999, 88888)#CPU可以运算
    matrix_a1 = torch.randn(20000, 9999)#GPU运算量太大会爆显存
    matrix_b1 = torch.randn(9999, 20000)#GPU运算量太大会爆显存

这次终于看到了加速效果：

C:\Users\zhiyong\anaconda3\envs\pytorch1\python.exe C:/Users/zhiyong/PycharmProjects/pyTorchProject1/com.zhiyong.demo1/pyTorchDemo1.py
启动！！！
PyTorch版本：1.13.0+cu117
PyTorch是否启动CUDA： True
当前模式： cpu 	耗时： 6.454258918762207 tensor(1860912.2500)
当前模式： cuda:0 	耗时： 1.3742117881774902 tensor(1999540.1250, device='cuda:0')
当前模式： cuda:0 	耗时： 0.016983509063720703 tensor(1999540.1250, device='cuda:0')

进程已结束,退出代码0

可以看出GPU运算虽然首次需要加载C++的包，依旧比CPU快了5倍。第二次运算时C++的包已经加载完毕，比CPU快了380倍。但是快归快，就算是A4000有ECC【当然双路E5也有ECC】算出来的结果依旧不准。。。

尾言

总结

至此，环境搭设成功，可以愉快地炼丹了，机器学习和深度学习这种只要是可以GPU提速的，那一定是比CPU快。

ML和DL最需要的是大显存！！！

ML和DL最需要的是大显存！！！

ML和DL最需要的是大显存！！！

重要的话说三遍。16G显存只够入门随便玩玩！！！而且GPU运算不准！！！

跑分

最后再更新一波撸大娘的跑分：

在这里插入图片描述

晕3D，不指望打3D游戏。。。

在这里插入图片描述

为神马还是被识别为GT730？？？依旧退役了好不？？？

从撸大娘的跑分结果来看，这只丽台RTX A4000显卡，性能也就是和RTX 3060Ti打的有来有回，毕竟是低功率卡，和移动端RTX 3070半差不差也在意料之中。老泰坦强于3060Ti是万万没想到。。。

工包丽台RTX A4000算是目前Nvidia最便宜的16G显存卡了吧？这个价位貌似也就只有3090矿卡还有一战之力了。

转载请注明出处：https://lizhiyong.blog.csdn.net/article/details/127827522

在这里插入图片描述

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

机器学习

云计算大数据

笔记

Pytorch

深度学习

在Windows10环境安装CUDA11.7及PyTorch1.13--使用Nvidia RTX A4000开始炼丹之旅 的相关文章

随机推荐

  • 均值已知检验方差_SAS读书笔记：方差分析

    方差分析 Analysis of Variance ANOVA 就是用于检验两组或两组以上的均值是否具有显著性差异的数理统计方法 有单因素方差分析和多因素方差分析 1 基本原理 在方差分析中 把要分析的变量称为响应变量 对响应变量取值有影响

  • LSTM理解与应用

    首先感谢https www jianshu com p 9dc9f41f0b29作者的文章 让我对LSTM有了初步的认识 还有我要推荐李宏毅老师讲的LSTM课程 讲的实在是太容易理解了 https www youtube com watch

  • 插值查找（两种方法）

    一 什么是插值查找 1 插值查找算法类似于二分查找 不同的是插值查找每次从自适应 mid 处开始查找 2 二分查找中mid值是left和right所指序列下标的和的1 2即 mid left right 2 3 而插值查找的mid 值是通过

  • Unity3D-Blur-实现屏幕特效十字耀斑

    原文链接 http gad qq com article detail 7181189

  • springboot面试题

    一 SpringBoot 和spring springMVC的区别 Spring它的主要特征是依赖注入 它有两大核心主要是IOC和AOP IOC 应用程序对象的创建 配置 维护 依赖交给了SpringIOC容器统一进行管理 从而实现松耦合

  • OpenCV入门教程，超详细OpenCV入门教程！10小时让你轻松掌握opencv的使用

    OpenCV是一个基于BSD许可 开源 发行的跨平台计算机视觉和机器学习软件库 可以运行在Linux Windows Android和mac OS 操作系统上 它轻量级而且高效 由一系列 C 函数和少量 C 类构成 同时提供了Python

  • 激活函数的作用

    什么是人工神经网络 现在 我相信我们大家都很熟悉什么是A NN了 但接下来请允许我按照自己的理解给A NN下个定义 它是一个强健有力的 同时也非常复杂的机器学习技术 它可以模仿人类的大脑 继而模仿大脑的运作 正如我们的人脑一样 在一个层次上

  • linux(Ubuntu) 下安装sqlite3

    1 介绍 sqlite3是linux上的小巧的数据库 一个文件就是一个数据库 2 安装 要安装sqlite3 可以在终端提示符后运行下列命令 sudo apt get install sqlite3 检查版本 sqlite3 version

  • ant design vue(vue3)的a-tree组件点击文字实现菜单展示

    最近的写的一个项目 需要用的a tree 甲方就觉得那个小三角不好点 需要点文字也可以展开 就需要小小的改动一哈 效果图 过程 实现起来还是很简单的 1 我们可以看ant的官方文档 发现有一个事件expand是当我们展开 收起时就会触发 e

  • vue：loading动画

    1 更改入口文件main js import Vue from vue import App from App vue import router from router import store from store import as

  • Vue -- Mixins 详解

    最近在做页脚版权年份的自动更新 但项目里有多个地方都需要改动 了解到 Vue 里有 mixin 这个概念 发现可以很方便地抽取出来 进行组件化统一管理 下面介绍一下 mixin 的概念 特点和应用场景 介绍 官方解释 混入 mixin 提供

  • 使用 Vue 3.0 和 Element UI 实现功能增加、按钮操作和查询框功能详解

    简介 Vue 3 0 和 Element UI 是当今流行的前端开发工具 结合它们可以轻松构建出强大的用户界面 本篇技术博客将详细介绍如何利用 Vue 3 0 和 Element UI 实现功能增加 按钮操作以及通过查询框输入信息来进行信息

  • JS 数组对象去重

    原数据 let arr goodsId 1 quota 12 skuId 1 goodsId 2 quota 12 skuId 2 goodsId 1 quota 12 skuId 1 去重后数据 let arr goodsId 1 quo

  • ubuntu系统整体克隆时遇到system back无法识别固态硬盘

    ubuntu系统整体克隆 使用System back软件 安装相关软件 1 安装System back 2安装 GParted 制作系统盘 1 启动system back软件 2制作镜像 系统恢复 1选择U盘启动 2系统分区 在配置环境的时

  • C语言字符串逆转

    define CRT SECURE NO WARNINGS include

  • shell编程一百例 day-1

    shell编程一百例 今晚份 能力有限 未按顺序 未完待续 1 输出 Hello World 2 猜数游戏 3 键盘输入三个数 升序输出

  • 麒麟系统调试

    一 raid 报错 mdadm RUN ARRAY failed Invalid argument 原因 zcat proc config gz 查看配置 驱动未加载全 解决办法 modprobe dm raid modprobe raid

  • 一道经典的C++题，关于分钱的问题，适合新手阅读(黑客X档案论坛题目) ［c#］...

    前几天CSDN论坛的首页 看到一则帖子 题目是 一道经典的C 题 关于分钱的问题 适合新手阅读 黑客X档案论坛题目 链接如下 http blog csdn net gisfarmer archive 2009 02 08 3869236 a

  • 手术导航系统原理简介、主要工作及应用

    目录 1 手术导航系统简介 2 手术导航系统的工作原理及构造 3 手术导航系统通常需完成四项主要工作

  • 在Windows10环境安装CUDA11.7及PyTorch1.13--使用Nvidia RTX A4000开始炼丹之旅

    在Windows10环境安装CUDA11 7及PyTorch1 13 使用Nvidia RTX A4000开始炼丹之旅 前言 这个双十一 RTX3090矿卡反倒是涨价了 RTX3090Ti当然也涨价了 只好从x宝搞一只工包丽台RTX A40

热门标签