Nvidia GeForce GT 730显卡驱动停止运行是啥情况？

Posted 2023-04-23

重装系统还是感叹号，不能用，而且我32的显示器不能满屏，

参考技术A 这个显卡驱动停止运行是什么情况，这个可能是有一定的故障吧，重启是一是 参考技术B 你妹的什么情感去弄停止运动，也没见过你要把那个重新启动一下看看。 参考技术C 这个型号的cct730显卡驱动停止运行应该是有很多情况造成的。 参考技术D 显卡如果自动停止的时候，这个再可以去进行再运行一遍，这样就能够直接打开了。 第5个回答  2020-11-26 要都讲的话我们都认为你这样做的话都是不好的所以那从哪个方方面面来说的话大家都认为这样做对我们来说没有一个很好的这样的这种作用因为那无论从哪个角度讲的话我们都认为他

Windows10下 NVIDIA GeForce MX150 tensorflow-gpu 配置

引言

越来越多的的人入坑机器学习，深度学习，tensorflow 作为目前十分流行又强大的一个框架，自然会有越来越多的新人（我也刚入门）准备使用，一般装的都是 CPU 版的 tensorflow，然而使用 GPU 跑 tensorflow，速度可以快上好几倍。正好前段时间看到了使用小米pro（我目前使用的笔记本，感觉贼好用（我没有在推销））配置 gpu 的教程，就试了试，最后成功了。

环境

操作系统：Windows10

配置：Tensorflow 1.12 + CUDA 9.0 +cuDNN v7.1 for CUDA9.0

GPU：NVIDIA GeForce MX150（小米pro i7-8550 8G 256G）

软件：Anaconda（我之前写过安装教程）

实际操作

一、安装CUDA、cuDNN

需要考虑版本配套问题，不然即使装了最后也会报错。这里给出 CUDA 和 cuDNN 的网盘连接，提取码：e1ak

CUDA

再给一波关于显卡是否对 CUDA 支持的查看网址，如果不确定自己的显卡是否支持 CUDA，可以去看看。

关于 CUDA 的安装，看这篇文章，写的很详细（好吧，还是我比较懒，不太想敲键盘）

cuDNN

官网下载地址

注意：下载的时候要下对应自己下载的CUDA的版本

把下载好的 cuDNN 的 zip 解压后，把 bin、include、lib 三个文件夹内的文件拷贝到 CUDA 9.0 的目录下的对应文件中即可。

CUDA 的默认路径

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0

然后开始配置环境变量

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0libx64
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv9.0

二、创建虚拟环境

这里还是比较建议新创建一个虚拟环境，免得安装好的 tensorflow-gpu 跟原环境中的某些包冲突。

1.打开Anaconda Prompt

2.创建虚拟环境

键入

conda create --name tensorflow-gpu python=3.6.1

3.启动虚拟环境

activate tensorflow-gpu

三、安装tensorflow-gpu

1.安装

两种方法

1. pip install --upgrade tensorflow-gpu
2. 下载 tensorflow-gpu 的离线安装包，找到下载好的whl路径，然后键入

   pip install c:...	ensorflow_gpu-xxxx.whl

   下载地址

 

2.测试

输入

python

然后再输入

import tensorflow as tf

如果没报错，就表示安装成功了。

然后，再来段 tensorflow 的 hello world

import tensorflow as tf
tf.enable_eager_execution()

a = tf.constant(1)
b = tf.constant(1)
c = tf.add(a, b)  

print(c)

总结

至此，我们的 tensorflow-gpu 就装好了，接下来就开始 tensorflow 的学习之旅吧。