主頁 >  其他 > 一個由tf1.6.0引發的故事｜從CUDA到gcc配置，非root用戶重裝舊版本TF環境

一個由tf1.6.0引發的故事｜從CUDA到gcc配置，非root用戶重裝舊版本TF環境

2022-12-03 07:11:49 其他

之前嘗試復現學姐前幾年的一個作業，但是因為框架有點古老而作罷，
然鵝，自己的實驗結果一直跑得十分奇怪，為了去學姐的代碼中尋找參考，今天再次進行了嘗試，

我的需求是安裝Tensorflow_gpu_1.6.0（文中簡稱TensorFlow），目前機器已配置cuda11和cuda10，非root用戶，

目錄
  • 前置疑問
    • Q1: 為什么安裝TensorFlow需要重裝CUDA？
    • Q2: nvidia-smi和nvcc -V顯示的不是同一版本CUDA？
    • Q3: 用conda裝CUDA不可以嗎？
    • 結論
  • 0 安裝之前——檢查機器配置（非root用戶）
    • 查詢目標配置
    • 檢查機器配置
    • 安裝順序
  • 1 安裝gcc
    • 1.1 下載gcc (以gcc6.4.0為例)
    • 1.2 configure
    • 1.3 編譯
    • 1.4 安裝
      • 1.4.1 覆寫路徑
      • 1.4.2 檢查gcc設定
  • 2 安裝CUDA
    • 2.1 給cuda可執行權限
    • 2.2 執行安裝
    • 2.3 卸載CUDA
  • 3 安裝cuDNN
    • 3.1 解壓安裝檔案
    • 3.2 拷貝檔案到cuda
    • 3.3 添加權限
    • 3.4 配置用戶環境變數
  • 4 安裝TensorFlow
  • 5 檢測新環境

前置疑問

Q1: 為什么安裝TensorFlow需要重裝CUDA？

當我安裝完畢并運行Tensorflow_gpu_1.6.0時，出現了以下錯誤：

ImportError: libcublas.so.9.0: cannot open shared object file: No such file

這意味著TensorFlow需要對應版本的CUDA，對于CUDA、cuDNN和TensorFlow的關系，知乎有回答寫得很好：

CUDA看作是一個作業臺，上面配有很多工具，如錘子、螺絲刀等，
cuDNN是基于CUDA的深度學習GPU加速庫，有了它才能在GPU上完成深度學習的計算，
它就相當于作業的工具，比如它就是個扳手，但是CUDA這個作業臺買來的時候，并沒有送扳手，想要在CUDA上運行深度神經網路，就要安裝cuDNN，就像你想要擰個螺帽就要把扳手買回來，這樣才能使GPU進行深度神經網路的作業，作業速度相較CPU快很多，
基本上所有的深度學習框架都支持cuDNN這一加速工具，例如：Caffe、Caffe2、TensorFlow、Torch、Pytorch、Theano等，

Q2: nvidia-smi和nvcc -V顯示的不是同一版本CUDA？

來自CW大佬的文章，知道只要 nvcc -V 顯示的版本低于 nvidia-smi 顯示版本就沒有問題，

  1. CUDA有runtime API 和 driver API，而nvcc -V顯示的是前者版本，nvidia-smi顯示的是后者版本，

  2. nvidia-smi展示的 driver API 代表機器能夠支持的最高版本CUDA，如果driver （nvidia-smi）的版本低于runtime (nvcc -V)版本，通常不會出現問題，

  3. 產生原因：安裝CUDA可以通過CUDA Toolkit installer 或 GPU driver installer，如果使用了單獨的GPU driver installer來安裝CUDA，就可能會出現版本不一致的現象，而通過CUDA Toolkit installer安裝則會保持一致，

Q3: 用conda裝CUDA不可以嗎？

我嘗試了通過conda安裝對應的CUDA9.0 以及cuDNN，安裝程序很順利，但Tensorflow并不能跑起來，提示缺少對應的.so檔案，而在/usr/local 下也并沒有找到我裝的cuda9.0，

參考知憾訓答 , pytorch如何尋找CUDA：

  1. 先取默認 cuda 安裝目錄 /usr/local/cuda
  2. 如默認目錄不存在（例如安裝原生 cuda 到其他自定義位置），那么搜索 nvcc 所在的目錄
  3. 如果 nvcc 不存在，那么直接尋找 cudart 庫檔案目錄（此時可能是通過 conda 安裝的 cudatoolkit，一般直接用 conda install cudatoolkit，就是在這里搜索到 cuda 庫的），庫檔案目錄的上級目錄就作為 CUDA_HOME，
  4. 如果最終未能得到 CUDA_HOME，那么生成的 pytorch 將不使用 CUDA，

TensorFlow同理，但我并沒有成功修復呼叫順序的問題，那么如果conda安裝正確，且機器沒有其他版本CUDA（如/usr/local/cuda），理論上能直接用?

結論

  1. 如果可以用docker，可以移步TF官網docker安裝教程-最簡單方法
  2. 如果可以用root，可以移步博客TF安裝
  3. 如果conda能用，可以移步博客TF安裝-conda

0 安裝之前——檢查機器配置（非root用戶）

查詢目標配置

安裝TensorFlow環境，需要配合對應版本的CUDA、cuDNN和python，而CUDA需要配合對應版本的gcc，
我的目標是裝tf_gpu_1.6.0，從官網查到匹配的環境資訊如下：官網-TensorFlow對應CUDA

版本 Python 版本 編譯器 構建工具 cuDNN CUDA
Tensorflow_gpu-1.6.0 2.7、3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9

檢查機器配置

# 查看命令

cat /etc/os-release  
# 或uname -a
gcc --version
nvcc -V 
nvidia-smi
python --version
版本 Python 版本 編譯器 構建工具 cuDNN CUDA
None 3.6.1 GCC 8.4.0 -- -- 10.1

安裝順序

按照依賴關系，gcc -> CUDA -> cuDNN -> python -> TensorFlow

1 安裝gcc

不同的CUDA支持的gcc版本不同，現在用的服務器gcc版本比較新，實測cuda9.0在gcc8.4.0下安裝程式會失敗，所以需要降級，

首先在位置/home/[username]/, 建立目錄如下：參考博客

.
├── gcc     # 新建，用于存放gcc版本
│   ├──gcc640   # 新建
│   └── gcc-6.4.0.tar.gz    # 下載
└── ... # 其他檔案

1.1 下載gcc (以gcc6.4.0為例)

(方式1) 手動下載：http://ftp.gnu.org/gnu/gcc/ 后傳輸到服務器
(方式2) cmd:

wget http://ftp.gnu.org/gnu/gcc/gcc-6.4.0/gcc-6.4.0.tar.gz

1.2 configure

參考:官方gcc安裝教程

下載完成后進行解壓

cd /home/[username]/gcc
tar xzf gcc-6.4.0.tar.gz
cd gcc-6.4.0
./contrib/download_prerequisites  # 運行腳本，自動安裝依賴
mkdir objdir  # 在gcc-6.4.0原始碼檔案夾下，新建一個檔案夾用于編譯
cd objdir

使用configure生成 Makefile，為下一步的編譯做準備：

$PWD/../gcc-6.4.0/configure --prefix=$HOME/gcc/gcc640 --enable-checking=release --enable-languages=c,c++ --enable-threads=posix --disable-multilib

# --prefix=/usr/local/gcc6  指定安裝路徑
# --enable-languages=c,c++  支持的編程語言
# --enable-threads=posix    使用POSIX/Unix98作為執行緒支持庫
# --disable-multilib        取消多目標庫編譯(取消32位庫編譯)

1.3 編譯

接下來編譯

make  # 或者make -j8 使用8個執行緒并行編譯

可能問題1: make[3]: *** No rule to make target '../build-x86_64-pc-linux-gnu/libiberty/libiberty.a', needed by 'build/genmddeps'. Stop.

在解壓后需要在原始碼檔案夾下新建一個檔案夾,如/home/[username]/gcc/gcc-6.4.0/objdir，之后的make程序均在新建的編譯檔案夾內

** 可能問題2: ./md-unwind-support.h:65:48: error: dereferencing pointer to incomplete type 'struct ucontext'**

參考博客，原因是現在安裝版本的gcc語法不兼容：

如果你機器上已經默認安裝的是gcc8.1，現在想要使用gcc6.x，那么編譯gcc6.x原始碼程序中會出現好些錯誤，這些錯誤是因為gcc在升級程序中對頭檔案的一些結構變數的定義的更改變化沒有做向后兼容處理，或者某些語法的嚴格性要求不一樣(比較常見的是struct的定義和申明)

打開報錯指出的檔案地址

/home/[username]/gcc/gcc-6.4.0/x86_64-pc-linux-gnu/libgcc/md-unwind-support.h

修改第61行的

struct ucontext * uc_ = context->cfa;

為

struct ucontext_t * uc_ = context->cfa;

接下來繼續make

可能問題3: sanitizer_platform_limits_posix.cc:158:23: fatal error: sys/ustat.h: No such file or directory #include <sys/ustat.h>

參考博客，修改代碼檔案

vim libsanitizer/sanitizer_common/sanitizer_platform_limits_posix.cc

(1)首先注釋158行#include <sys/ustat.h>

(2)將250行陳述句unsigned struct_ustat_sz = sizeof(struct ustat);注釋，修改為如下內容：

  // Use pre-computed size of struct ustat to avoid <sys/ustat.h> which
  // has been removed from glibc 2.28.
#if defined(__aarch64__) || defined(__s390x__) || defined (__mips64) \
  || defined(__powerpc64__) || defined(__arch64__) || defined(__sparcv9) \
  || defined(__x86_64__)
#define SIZEOF_STRUCT_USTAT 32
#elif defined(__arm__) || defined(__i386__) || defined(__mips__) \
  || defined(__powerpc__) || defined(__s390__)
#define SIZEOF_STRUCT_USTAT 20
#else
#error Unknown size of struct ustat
#endif
  unsigned struct_ustat_sz = SIZEOF_STRUCT_USTAT;

(3)保存后，重新make

可能問題4 ：../../.././libsanitizer/sanitizer_common/sanitizer_stoptheworld_linux_libcdep.cc:270:22: error: aggregate ‘sigaltstack handler_stack’ has incomplete type and cannot be defined

(1)打開libsanitizer/sanitizer_common/sanitizer_linux.h檔案，注釋第22行的struct sigaltstack;

(2)修改31.32行：

uptr internal_sigaltstack(const struct sigaltstack* ss,
                          struct sigaltstack* oss);

為

uptr internal_sigaltstack(const void* ss, void* oss);

(3)修改libsanitizer/sanitizer_common/sanitizer_linux.cc檔案549、550行

uptr internal_sigaltstack(const struct sigaltstack *ss,                                      
                                struct sigaltstack *oss) {

為

uptr internal_sigaltstack(const void *ss, void *oss) {

(4)修改libsanitizer/sanitizer_common/sanitizer_stoptheworld_linux_libcdep.cc270行

struct sigaltstack handler_stack;

為

stack_t handler_stack;

(5)修改libsanitizer/tsan/tsan_platform_linux.cc294行

__res_state *statp = (__res_state*)state;

為

struct __res_state *statp = (struct __res_state*)state;

(6)繼續make

可能問題5: ../../.././libsanitizer/sanitizer_common/sanitizer_internal_defs.h:254:72: error: size of array ‘assertion_failed__1139’ is negative

(1)修改 /gcc-6.3.0/configure檔案
(2)洗掉檔案中 target-libsanitizer \，大概在2700多行
(3)繼續make

1.4 安裝

make install

檢查包含以下目錄，即安裝成功：/home/[username]/gcc/gcc640

1.4.1 覆寫路徑

[要安裝GCC的路徑]：/home/[username]/gcc/gcc640

#路徑要在環境變數前

export PATH=[要安裝GCC的路徑]/bin:[要安裝GCC的路徑]/lib64:$PATH
export LD_LIBRARY_PATH=[要安裝GCC的路徑]/lib/:$LD_LIBRARY_PATH

最后重繪

source ~/.bashrc

1.4.2 檢查gcc設定

gcc --version

2 安裝CUDA

CUDA 下載地址：https://developer.nvidia.com/cuda-toolkit-archive

.
├── cuda      # 新建，用于存放不同的cuda版本，即安裝目錄
│   ├── cuda-9.0     # 新建
│   └── tem      # 新建，用于cuDNN的解壓，安裝完成后就洗掉該目錄
│   │     ├── cudnn-9.1-linux-x64-v7.1.tgz     # 后續下載
│   └── cuda_9.1.85_387.26_linux.run       # 后續下載
└── ... # 其他檔案

2.1 給cuda可執行權限

chmod +x cuda_9.1.85_387.26_linux.run

2.2 執行安裝

sh cuda_9.1.85_387.26_linux.run

安裝程序記錄：

-----------------
Do you accept the previously read EULA?
accept/decline/quit: accept

You are attempting to install on an unsupported configuration. Do you wish to continue?
(y)es/(n)o [ default is no ]: y

# 已有Driver API，不安裝
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y

# 非root用戶，所以安裝在自定義目錄
Enter Toolkit Location
 [ default is /usr/local/cuda-9.0 ]: /home/[username]/cuda/cuda-9.0

# 非root用戶，嘗試過無法鏈接到/usr/local
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location
 [ default is /home/[username] ]: /home/[username]/cuda/cuda-9.0

Installing the CUDA Toolkit in /home/[username]/cuda/cuda-9.0 ...
Missing recommended library: libGLU.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.so

Installing the CUDA Samples in /home/[username]/cuda/cuda-9.0 ...
Copying samples to /home/[username]/cuda/cuda-9.0/NVIDIA_CUDA-9.0_Samples now...
Finished copying samples.

2.3 卸載CUDA

參考博客
安裝程式最后已經準備好了卸載的介面，卸載程式在/[安裝目錄]/bin下，需要注意的是cuda10.0及之前的版本卸載程式名為uninstall_cuda_xx.x.pl，而cuda10.1及之后的版本卸載程式名為cuda-uninstaller，

找到之后運行卸載程式即可，這里的xx.x表示自己的cuda版本，

3 安裝cuDNN

參考博客
cudnn下載地址：https://developer.nvidia.com/rdp/cudnn-archive

3.1 解壓安裝檔案

 tar -zxvf cudnn-9.1-linux-x64-v7.1.tgz

3.2 拷貝檔案到cuda

cp /home/[username]/cuda/include/cudnn.h  /home/[username]/cuda/cuda-9.0/include
cp /home/[username]/cuda/lib64/libcudnn*  /home/[username]/cuda/cuda-9.0/lib64

3.3 添加權限

chmod a+r /home/[username]/cuda/cuda-9.0/include/cudnn.h  /home/[username]/cuda/cuda-9.0/lib64/libcudnn*

3.4 配置用戶環境變數

修改個人用戶目錄下的.bashrc檔案(用vi ~/.bashrc編輯）,在檔案最后面加入以下指令并保存：

export PATH=//home/[username]/cuda/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/home/[username]/cuda/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

最后輸入命令source .bashrc 使新配置的環境變數生效

4 安裝TensorFlow

可能問題: Could not find a version that satisfies the requirement tensorflow-1.6.0 (from versions: none)

參考:https://stackoverflow.com/questions/38896424/tensorflow-not-found-using-pip

一般情況下是python版本不對應，但目前python版本是正確的，以下兩種解決方案：

(1) 把pip install替換成pip3 install --upgrade 

pip3 install --upgrade TF_BINARY_URL

(2) 檢查自己的語法（事實證明是我錯寫成tensorflow-gpu-1.6.0了）

pip3 install tensorflow-gpu==1.6.0

5 檢測新環境

import tensorflow as tf
import os
os.environ['CUDA_VISIBLE_DEVICES']='4'   # tensorflow默認占用機器所有卡，所以記得事先選擇
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())   # 檢查TF可用的卡

Note: TensorFlow默認會對卡從0開始重新編號

Ref:
[1] https://blog.csdn.net/wanggao_1990/article/details/120989070
[2] https://stackoverflow.com/questions/9450394/how-to-install-gcc-piece-by-piece-with-gmp-mpfr-mpc-elf-without-shared-libra
[3] https://blog.csdn.net/XCCCCZ/article/details/80958414

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/539040.html

標籤：其他

上一篇：云小課｜基于華為云WAF的日志運維分析，構筑設備安全的城墻

下一篇：Linux 基礎-檔案及目錄管理

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種：三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看，三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看，三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統，“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及：虛擬機CentOs下執行 yum -y install lrzsz命令，出現錯誤：鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示：其實很簡單，往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號， sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求，SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生， 2020-08-28 16:18:25 分類專欄： kail 網路安全 linux 文章標簽： linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么？ 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼： #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘（北斗授時服務器）讓網路資料更精準

    北斗電力時鐘（北斗授時服務器）讓網路資料更精準 北斗電力時鐘（北斗授時服務器）讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年，資訊技術的得了快速發展，互聯網在逐漸普及，其在人們生活和生產中都得到了廣泛應用，并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用，一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub：https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺，后來才有了CTFHub。 感覺不論是網頁UI設計，還是題目質量，賽事跟蹤，工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解（net user / type /md /rd/ dir /cd /net use copy、批處理 等） 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝，密碼啊破解03Linux常用命令04LAMP 01LINUX windows： win03 8 12 16 19 配置不繁瑣 Linux：redhat,centos(紅帽社區版)，Ubuntu server,suse unix:金融機構，證券，銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 （POST注入/XSS漏洞上傳）3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題，描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章，不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》，我也是第一時間得知了這個訊息，然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本： 個人認為這件事也沒什么，還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹：metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包，它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一，它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip：192.168.20.121 靶機ip：192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k，軟體測驗工程師的漲薪史，給我看哭了

    清明節一過，盲猜大家已經無心上班，在數著日子準備過五一，但一想到銀行卡里的余額……瞬間心情就不美麗了。最近，2023年高校畢業生就業調查顯示，本科畢業月平均起薪為5825元。調查一出，便有很多同學表示自己又被平均了。看著這一資料，不免讓人想到前不久中國青年報的一項調查：近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文，所以對學習母語的我們非常不友好 使用網址：https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜，前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜，自動化測驗的需求也越來越高。如今，自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分，它們可以幫助開發人員更快地發現和修復錯誤，提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐：4個DVPP記憶體問題的典型案例解讀

    摘要：由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求（例如，記憶體首地址128位元組對齊），因此需呼叫專用的記憶體申請介面，那么本期就分享幾個關于DVPP記憶體問題的典型案例，并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》，作者：昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊，輔助滲透（埠掃描、登錄密碼爆破、漏洞驗證等） 2、encoders 編碼器模塊，主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手：與相機連接，設定相機引數，采集影像 2) 標定助手：九點標定或是其它的標定，生成標定檔案及內參外參，可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客，先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp)，這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接： https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more

Copyright © 2010-2020 有解無憂