Download cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0下的两个库和例子 cuDNN v7.0.5 Runtime Library for Ubuntu14.04 (Deb) cuDNN v7.0.5 Developer Library for Ubuntu14.04 (Deb) cuDNN v7.0.5 Code Samples and User Guide for Ubuntu14.04 (Deb)

64位windows7下的支持cuda10.2版本的cudnn工具包。 Library for Windows, Mac, Linux, Ubuntu and RedHat/Centos(x86_64architecture) cuDNN Library for Windows 7

cuda-8.0+cudnn-windows-x64-v5.1,合集包，不用再去其他地方下载安装包了，一步到位

CuDnn for CUDA for 深度学习 版本为 7.0.5 for CUDA 9.0 注意为 Linux 版 非Windows！ 百度云链接和密码在txt中

—–最近从github上找了一个代码跑，但是cpu训练的时间实在是太长，所以想用gpu训练一下，经过了一天的折腾终于可以用gpu进行训练了，嘿嘿~ 首先先看一下自己电脑的显卡信息： 可以看到我的显卡为MX250 然后进入NVIDIA控制面板->系统信息->组件 查看可以使用的cuda版本 这里我先下载了cuda10.1的版本，不过后来我发现tensorflow-gpu 1.8.0仅支持cuda9.0的版本，所以之后我又重装了一遍cuda9.0，中间还经历了删除cuda10.0，两个版本的安装都是一样的。 进入官网：https://developer.nvidia.com/cuda-too

Ubuntu 16.04 Nvidia settings/CUDA/CUDNN/Tensorflow-gpu/配置驱动错误解决方法/Ubuntu登录死循环解决方法

昨天装完了ubuntu 16.04，之前毕业设计用的tensorflow，但深度学习这门课的作业项目不大，就打算装一下Pytorch，这篇文章总结一下。主要参考了这篇博客：ubuntu16.04 + Anaconda + CUDA10 + cudnn + pytorch + pycharm 1. 创建单独的Anaconda环境！！ 单独的Python环境真的比较重要，我这里创建了python 3.6的环境pytorch 2. 安装显卡驱动 这一步应该在安装完Ubuntu 16.04之后就已经完成了，我的上一篇博客中的方法比较复杂，还有一种方法就是从官网下载之后直接从system settin

机器学习，cuda10.2要与cudnn10.2的版本相同 Loaded runtime CuDNN library: 7.0.4 but source was compiled with: 7.6.0. CuDNN library major and mi

里面是百度网盘下载地址，支持tensorflow1.8 pip install tensorflow-gpu 需要的动态库。

cudnn-10.1-linux