下载编译好的caffe包后，解压，将包放到参考目录下D:\Anaconda3_64\envs\py27\Lib\site-packages，运行python，import caffe，如果有错，
先import numpy 即可
2021-10-19 18:23:20
208.45MB
1
cudnn CUDA9.0 深度学习 tensoflow gpu
NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如加州大学伯克利分校的流行CAFFE软件。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。
2021-10-15 13:42:12
170.62MB
1
win10 卸载cuda8.0并安装tensorflow-gpu1.11.0+cuda9.0+cudnn7.0 （安装程序附网盘下载地址）-附件资源
2021-10-13 20:56:53
23B
1
jetson tx2 手动安装cuda9.0,此包为arm架构,为方便以后使用,特意上传保存.安装:里面有三个包,解压后,分别运行sudo dpkg -i cuda-xxxx.deb 命令来安装这3个包
2021-10-13 17:28:39
742.75MB
1
cudnn-9.1-windows10-x64-v7.1.zip, cudnn 7.1 for cuda 9.1 win10 64
2021-10-09 09:07:30
209.83MB
1
cuda_9.0.103_384.59_linux.run百度网盘下载地址,CUDA 9 具有强大的并行计算平台和编程模型。
2021-10-07 23:10:47
194B
1
tensorflow with Cuda9.1 + cudnn 7.1 + python 3.5.4
NVIDIA GPU with a compute capability =6.1
2021-09-30 09:53:12
84.27MB
1
—–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
2021-09-24 09:26:41
1.02MB
1
tensorflow并行计算库文件nccl,nccl-repo-ubuntu1604-2.4.8-ga-cuda9.0_1-1_amd64.deb 适用于16.04ubuntu系统
2021-09-18 20:30:52
50.37MB
1
基于最新tensorflow-2.2.0源码编译的动态链接库和头文件，cuda10.1加cudnn7.6，bazel-2.0.0， 博文地址：https://xugaoxiang.com/2020/05/22/compile-tensorflow2-with-gpu/
2021-09-17 16:45:13
169.53MB
1