使用以下命令可以验证 PaddlePaddle 是否安装成功。

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。CUDA实现了可以调用GPU，而cuDNN实现了使CUDA更符合深度神经网络的使用，网上装用CUDA和cuDNN的电脑比只装CUDA的电脑的训练速度快1.5倍。NVIDIA c

这个版本在基础的 CUDA 11.1.1 和 cuDNN 8 的开发环境基础上，还基于 Ubuntu 20.04 操作系统。这使得该镜像不仅包含了 CUDA 和 cuDNN 的开发工具，还提供了 Ubuntu 20.04 操作系统的环境。这是一个基础镜像，提供了 CUDA 11.1.1 的基本环境，但没有安装 cuDNN 库。这是一个开发镜像，适用于在已安装 CUDA 11.1.1 和 cuDNN

PP-ShiTuV2 是基于 PP-ShiTuV1 改进的一个实用轻量级通用图像识别系统，由主体检测、特征提取、向量检索三个模块构成，相比 PP-ShiTuV1 具有更高的识别精度、更强的泛化能力以及相近的推理速度*。主要针对训练数据集、特征提取两个部分进行优化，使用了更优的骨干网络、损失函数与训练策略，使得 PP-ShiTuV2 在多个实际应用场景上的检索性能有显著提升。

这是Paddle版本的问题，从飞桨框架 2.5 版本开始，已经废弃了 paddle.fluid。解决方案：修改paddle版本。

CUDA平台包括两个主要部分：CUDA许可证和CUDA编程模型。而CUDA编程模型则允许开发者编写可并行化的C语言代码，并利用CUDA工具包进行编译和执行。CUDA（Compute Unified Device Architecture，统一设备架构）是一种并行计算平台和编程模型，旨在利用GPU（图形处理器）进行高性能计算。CUDA编程模型允许开发者使用C语言编写并行代码，而不需要了解底层的CUD

查看GPU使用情况nvidia-smi -l 1    每秒刷新一次如上表示2张GPU卡，使用率81%、85%

vm.min_free_kbytescat  /proc/sys/vm/min_free_kbytes        centos6.4默认66M67584该文件表示强制Linux VM最低保留多少空闲内存（Kbytes）。当可用内存低于这个参数时，系统开始回收cache内存，以释放内存，直到可用内存大于这个值。vm.vfs_cache_pressure该项表示内核回收用于...

posix_fadvise是linux上对文件进行预取的系统调用，其中第四个参数int advice为预取的方式，主要有以下几种：POSIX_FADV_NORMAL无特别建议重置预读大小为默认值POSIX_FADV_SEQUENTIAL ...