conda虚拟环境中的pytorch、cuda版本等说明

JETSON TX2 NX配置conda、cuda、torch、torchvision环境保姆教程

上一期已经装好了系统本期配置一下环境sudo gedit ~/.bashrcexport CUDA_HOME=/usr/local/cuda-10.2 export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda-10.2/bin:$PATHnvcc -V为JETSON TX2 NX的架构是aarch64,与win10,linxu不同,所以不能安装Anaconda可以安装一个替代它

使用虚拟环境conda安装不同版本的cuda，cudnn，pytorch

背景：在学习深度学习时，我们不可避免的需要跑多个神经网络，而不同的神经网络环境都不一样，所以必须要使用到虚拟环境(如conda)去做环境隔离，安装属于自己的环境。在这环境中，大多神经网络都必须要用到cuda，cudnn。不同的神经网络需求版本不同，所以也需要另行安装，这与前面一篇文章pip安装包的方式还不太一样。安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下： Driver Version: 525.89.02 表明当前显卡驱动版本是525.89

Python&aconda系列：GPU深度学习环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda以及对应版本

GPU深度学习环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda以及对应版本

conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了

文章目录背景（为什么）具体步骤查看conda支持的cuda版本下载cuda安装cudnn查看cuda对应的cudnn版本下载cudnn版本安装cudnn测试安装是否成功安装pytorch测试cuda版本参考链接 背景（为什么） 深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练。 但是github上不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaco

无GPS室内飞行：基于PX4与MID360的FAST-LIO定点悬停实战解析

本文详细解析了基于PX4飞控与大疆MID360激光雷达的无GPS室内飞行技术，重点介绍了FAST-LIO算法在定点悬停中的应用。通过硬件配置、软件环境搭建、坐标系转换等实战经验，帮助开发者解决室内定位难题，实现精准悬停与稳定飞行。

MTK 人工智能生态系统 ＜一＞ 简介

Neuropilot

解决Anaconda虚拟环境安装不同版本的CUDA+Cudnn

解决Anaconda虚拟环境安装不同版本的CUDA+Cudnn

【2025CVPR】基于脉冲神经网络的能效目标检测模型：Multi-scale Spiking Detector（MSD）深度解析

本文提出了一种创新的多尺度脉冲神经网络目标检测器(MSD)，通过生物启发的ONNB模块和MSDF框架实现了高效准确的目标检测。该模型采用端到端直接训练策略，在COCO数据集上达到62.0%mAP的精度，同时仅需7.8M参数和6.43mJ能耗，较传统方法提升2.8%精度并降低82.9%能耗。实验验证了其在小目标检测和事件数据处理的优越性，为边缘计算应用提供了新范式。

太方便，WIN系统CUDA12.4下使用conda便捷管理虚拟环境中的不同版本的CUDA、cuDNN、PyTorch

记录工作实践。

Windows 10/11 安装 HYSPLIT 气象模型全攻略（附必备工具包下载清单）

本文提供了一份详尽的Windows 10/11系统下HYSPLIT气象模型安装与配置全攻略。指南涵盖了从核心认知、必备工具包（Tcl/Tk、ImageMagick）下载，到分步安装、环境变量设置及首次运行验证的完整流程，旨在帮助研究者和学生高效部署这一用于大气轨迹模拟与污染物扩散分析的专业工具。

高通Camx功能feature分析之一：remosaic功能导通

本文详细介绍了S5K3P9S传感器前置场景中SW Remosaic功能的实现流程。首先需在sensorxml中确认支持SW Remosaic类型，并集成remosaic相关库文件（libremosaic_wrapper.so等）。核心实现包括：初始化阶段调用InitFrontSamsungRemosaic()；执行线程DeferFrontInitThread()读取校准数据；通过DoSamsungRemosaic()执行remosaic算法处理；最后在析构函数中调用DeinitFrontSamsungRem

Conda虚拟环境中CUDA、cudnn、pytorch安装

显卡 || CUDA = DRIVER驱动 + 动态链接库 |一个电脑只需要装一个完整的CUDA（即DRIVER+动态链接库）。在虚拟环境中，只需要装部分cuda，即动态链接库即可。

RT-DETR 模型剪枝优化：结构化剪枝对 R18/R50 性能的影响

本文提出分层结构化剪枝策略R18：参数量减少 42%（28M→16.2M），推理速度提升 35%（15→20.3 FPS@Jetson Nano），mAP@0.5 仅降 1.2%；R50：参数量减少 55%（170M→76.5M），推理速度提升 48%（42→62.2 FPS@T4），mAP@0.5 仅降 2.1%。核心价值：为 RT-DETR 提供“精度-效率-部署”平衡的轻量化方案，推动其在边缘设备、工业质检等场景的大规模落地。部署建议。

在conda环境下，安装Pytorch和CUDA

系统 : Ubuntu20.04显卡：NVIDIA GTX1650显卡驱动已经装好（命令nvidia-smi查看显卡配置）（主要看一下第一行的参数，最大支持的CUDA版本为12.4 ）Aanconda 版本（）(似乎没什么影响)

跨越边界：用MessagePipe实现无缝的进程间通信

MessagePipe是一个用于.NET平台的消息传递库，它专注于简化异步消息处理和进程间通信。通过提供一系列易于使用的API，开发者可以快速搭建起稳定可靠的通信管道，支持多种传输协议（如TCP、Unix域套接字等），并内置了序列化/反序列化功能，使得跨语言和跨平台的数据交换变得轻而易举。为了方便序列化和反序列化操作，我们需要为每种消息定义对应的类或结构体，并标记属性。这样可以确保消息在发送方和接收方之间正确无误地传递。[Key0set;[Key1set;

【Unity小游戏】整整一个周末写一款《皇室战争 玩法》 的 即时战斗类 游戏Demo。两万多字游戏制作过程+解析

Unity游戏制作，本篇文章介绍了复刻皇室战争玩法的一个自制小游戏，共有该游戏的两万字教程加制作过程，欢迎品尝！ 世界上没有绝对的公平，如果我们起点就比别人第一步，那就更需要比别人努力了。

用 Conda 创建干净环境 + 安装 PyTorch（指定 CUDA 版本）

选择操作系统、包管理器（pip 或 conda）、Python 版本以及对应 CUDA 版本，复制官网给出的安装命令。conda 是更强大的跨语言包管理和环境管理工具，可以管理 Python、R、C/C++ 等多种依赖。一般推荐先用 conda 创建环境，再用 conda 或 pip 安装包，根据具体包支持情况灵活选择。conda 安装包通常包含编译好的二进制库，安装速度快且依赖处理更全面，适合科学计算环境。pip 是 Python 官方的包管理工具，专注于 Python 包的安装和管理。

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

管理服务器上的多个CUDA版本并在conda虚拟环境中永久指定特定版本

本示例中当前使用的CUDA编译器版本为11.6，以安装 PyTorch 2.2.0并指定CUDA 12.4为例。

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox（带书签），MATLAB统计学习工具

CONDA CUDA Pytorch安装

重新输入 cmd nvidia-smi。conda info 检查。

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf：最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版，包括SDIO 接口的外设，SDIO 接口官方协议等。

在anaconda下安装pytorch + python3.8+对应的torchvision -GPU版本

如果切换镜像后当出现下载不了的情况，就先切换默认源，然后再修改另一个可以使用的conda源（一定要先恢复默认，再换另一个！显示的CUDA版本实际上是驱动程序支持的最高CUDA版本。

conda创建python虚拟环境

conda创建python虚拟环境并按照pytorch

Ubuntu18.04 | conda的安装、使用及pytorch的配置

Conda分为anaconda和miniconda，anaconda是包含一些常用包的版本，miniconda是精简版，需要啥都可以通过pip或者conda安装好，比较轻便不占内存，推荐安装。 环境配置： GeForce RTX 3090, cuda11 1、下载可以通过miniconda网址，根据电脑配置选择自己合适的版本，使用wget命令下载：wget -c https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh; 2、

深度学习之开发环境(CUDA、Conda、Pytorch)准备（4）

CUDA（Compute Unified Device Architecture）是由NVIDIA公司推出的一种并行计算平台和编程模型，它使得开发者能够利用NVIDIA GPU的强大并行计算能力来加速计算密集型任务。CUDA 不仅是一种编程语言，更是一个完整的开发平台，包括了硬件、软件、驱动程序、库和工具等。Anaconda 是一个开源的 Python 和 R 语言的分发版本，主要用于数据科学、机器学习和大数据分析。

深度学习环境配置之Pytorch配置安装

本文主要记录深度学习环境配置中关于在远程服务器上CUDA和Pytorch的配置安装。

Window 在conda虚拟环境中安装cuda、cuDNN详细教程及后续pytorch环境部署2024（2）

在Window系统中，在conda虚拟环境中安装pytorch对应的xformers、flash-attention库

WIN10+RTX3090显卡+pytorch1.7.1

目录conda，cuda和cudnn安装方法TensorFlow搭建环境一样。一、conda安装二、cuda11.1的安装三、cudnn的安装四、pytorch安装五、RTX3090-pytorch环境验证 conda，cuda和cudnn安装方法TensorFlow搭建环境一样。 一、conda安装 Anaconda安装按照步骤完成。打开Anaconda Prompt如下图： 创建虚拟环境 conda create -n pytorch python=3.7 需要键盘输入y，然后完成虚拟环境安装。 附：