cuda雲伺服器

Ⅰ CUDA到底是啥是雲計算嗎為什麼神經網路一定要CUDA 來做AMD不可以搞神經網路嗎

CUDA是並行計算工具，神經網路規模大的時候必須使用GPU等並行工具來加速，普通AMD跑說不定得跑十幾天，而用GPU的話也許一天就跑完了

Ⅱ cuda主要用於哪。具體是什麼。

CUDA CUDA(Compute Unified Device Architecture)，顯卡廠商NVidia推出的運算平台。 CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。 它包含了CUDA指令集架構（ISA）以及GPU內部的並行計算引擎。 開發人員現在可以使用C語言來為CUDA架構編寫程序，C語言是應用最廣泛的一種高級編程語言。所編寫出的程序於是就可以在支持CUDA的處理器上以超高性能運行。 將來還會支持其它語言，包括FORTRAN以及C++。 隨著顯卡的發展，GPU越來越強大，而且GPU為顯示圖像做了優化。在計算上已經超越了通用的CPU。如此強大的晶元如果只是作為顯卡就太浪費了，因此NVidia推出CUDA，讓顯卡可以用於圖像計算以外的目的。 目前只有G80、G92、G94和GT200平台的NVidia顯卡才能使用CUDA，工具集的核心是一個C語言編譯器。G80中擁有128個單獨的ALU，因此非常適合並行計算，而且數值計算的速度遠遠優於CPU。 CUDA的SDK中的編譯器和開發平台支持Windows、linux系統，可以與Visual Studio2005集成在一起。 Geforce8CUDA（Compute Unified Device Architecture）是一個新的基礎架構，這個架構可以使用GPU來解決商業、工業以及科學方面的復雜計算問題。它是一個完整的GPGPU解決方案，提供了硬體的直接訪問介面，而不必像傳統方式一樣必須依賴圖形API介面來實現GPU的訪問。在架構上採用了一種全新的計算體系結構來使用GPU提供的硬體資源，從而給大規模的數據計算應用提供了一種比CPU更加強大的計算能力。CUDA採用C語言作為編程語言提供大量的高性能計算指令開發能力，使開發者能夠在GPU的強大計算能力的基礎上建立起一種效率更高的密集數據計算解決方案。 從CUDA體系結構的組成來說，包含了三個部分：開發庫、運行期環境和驅動（表2）。 開發庫是基於CUDA技術所提供的應用開發庫。目前CUDA的1.1版提供了兩個標準的數學運算庫——CUFFT（離散快速傅立葉變換）和CUBLAS（離散基本線性計算）的實現。這兩個數學運算庫所解決的是典型的大規模的並行計算問題，也是在密集數據計算中非常常見的計算類型。開發人員在開發庫的基礎上可以快速、方便的建立起自己的計算應用。此外，開發人員也可以在CUDA的技術基礎上實現出更多的開發庫。 運行期環境提供了應用開發介面和運行期組件，包括基本數據類型的定義和各類計算、類型轉換、內存管理、設備訪問和執行調度等函數。基於CUDA開發的程序代碼在實際執行中分為兩種，一種是運行在CPU上的宿主代碼（Host Code），一種是運行在GPU上的設備代碼（Device Code）。不同類型的代碼由於其運行的物理位置不同，能夠訪問到的資源不同，因此對應的運行期組件也分為公共組件、宿主組件和設備組件三個部分，基本上囊括了所有在GPGPU開發中所需要的功能和能夠使用到的資源介面，開發人員可以通過運行期環境的編程介面實現各種類型的計算。 由於目前存在著多種GPU版本的NVidia顯卡，不同版本的GPU之間都有不同的差異，因此驅動部分基本上可以理解為是CUDA-enable的GPU的設備抽象層，提供硬體設備的抽象訪問介面。CUDA提供運行期環境也是通過這一層來實現各種功能的。目前基於CUDA開發的應用必須有NVIDIA CUDA-enable的硬體支持，NVidia公司GPU運算事業部總經理Andy Keane在一次活動中表示：一個充滿生命力的技術平台應該是開放的，CUDA未來也會向這個方向發展。由於CUDA的體系結構中有硬體抽象層的存在，因此今後也有可能發展成為一個通用的GPGPU標准介面，兼容不同廠商的GPU產品 CUDA 工具包是一種針對支持CUDA功能的GPU（圖形處理器）的C語言開發環境。CUDA開發環境包括: · nvcc C語言編譯器 · 適用於GPU（圖形處理器）的CUDA FFT和BLAS庫 · 分析器 · 適用於GPU（圖形處理器）的gdb調試器（在2008年3月推出alpha版） · CUDA運行時（CUDA runtime）驅動程序（目前在標準的NVIDIA GPU驅動中也提供） · CUDA編程手冊 CUDA開發者軟體開發包（SDK）提供了一些範例（附有源代碼），以幫助使用者開始CUDA編程。這些範例包括: · 並行雙調排序 · 矩陣乘法 · 矩陣轉置 · 利用計時器進行性能評價 · 並行大數組的前綴和（掃描） · 圖像卷積 · 使用Haar小波的一維DWT · OpenGL和Direct3D圖形互操作示例 · CUDA BLAS和FFT庫的使用示例 · CPU-GPU C—和C++—代碼集成 · 二項式期權定價模型 · Black-Scholes期權定價模型 · Monte-Carlo期權定價模型 · 並行Mersenne Twister（隨機數生成） · 並行直方圖 · 圖像去噪 · Sobel邊緣檢測濾波器 · MathWorks MATLAB® 新的基於1.1版CUDA的SDK 範例現在也已經發布了。 技術功能 ·在GPU（圖形處理器）上提供標准C編程語言 · 為在支持CUDA的NVIDIA GPU（圖形處理器）上進行並行計算而提供了統一的軟硬體解決方案 · CUDA兼容的GPU（圖形處理器）包括很多：從低功耗的筆記本上用的GPU到高性能的，多GPU的系統。 · 支持CUDA的GPU（圖形處理器）支持並行數據緩存和線程執行管理器 · 標准FFT（快速傅立葉變換）和BLAS（基本線性代數子程序）數值程序庫 · 針對計算的專用CUDA驅動 · 經過優化的，從中央處理器（CPU）到支持CUDA的GPU（圖形處理器）的直接上傳、下載通道 · CUDA驅動可與OpenGL和DirectX圖形驅動程序實現互操作 · 支持Linux 32位/64位以及Windows XP 32位/64位 操作系統 · 為了研究以及開發語言的目的，CUDA提供對驅動程序的直接訪問，以及匯編語言級的訪問 NVIDIA進軍高性能計算領域，推出了Tesla&CUDA高性能計算系列解決方案，CUDA技術，一種基於NVIDIA圖形處理器（GPU）上全新的並行計算體系架構，讓科學家、工程師和其他專業技術人員能夠解決以前無法解決的問題，作為一個專用高性能GPU計算解決方案，NVIDIA把超級計算能夠帶給任何工作站或伺服器，以及標准、基於CPU的伺服器集群 CUDA是用於GPU計算的開發環境，它是一個全新的軟硬體架構，可以將GPU視為一個並行數據計算的設備，對所進行的計算進行分配和管理。在CUDA的架構中，這些計算不再像過去所謂的GPGPU架構那樣必須將計算映射到圖形API（OpenGL和Direct 3D）中，因此對於開發者來說，CUDA的開發門檻大大降低了。CUDA的GPU編程語言基於標準的C語言，因此任何有C語言基礎的用戶都很容易地開發CUDA的應用程序。 由於GPU的特點是處理密集型數據和並行數據計算，因此CUDA非常適合需要大規模並行計算的領域。目前CUDA除了可以用C語言開發，也已經提供FORTRAN的應用介面，未來可以預計CUDA會支持C++、Java、Python等各類語言。可廣泛的應用在圖形動畫、科學計算、地質、生物、物理模擬等領域。 2008年NVIDIA推出CUDA SDK2.0版本，大幅提升了CUDA的使用范圍。使得CUDA技術愈發成熟 目前，支持CUDA的GPU銷量已逾1億，數以千計的軟體開發人員正在使用免費的CUDA軟體開發工具來解決各種專業以及家用應用程序中的問題。這些應用程序從視頻與音頻處理和物理效果模擬到石油天然氣勘探、產品設計、醫學成像以及科學研究，涵蓋了各個領域。 目前市面上已經部署了超過一億顆支持CUDA的GPU，數以千計的軟體開發人員正在使用免費的CUDA軟體工具來為各種應用程序加速。 CUDA 的核心有三個重要抽象概念： 線程組層次結構、共享存儲器、屏蔽同步（ barrier synchronization），可輕松將其作為C 語言的最小擴展級公開給程序員。 CUDA 軟體堆棧由幾層組成，一個硬體驅動程序，一個應用程序編程介面(API) 和它的Runtime， 還有二個高級的通用數學庫，CUFFT 和CUBLAS。硬體被設計成支持輕 量級的驅動和Runtime 層面，因而提高性能。

Ⅲ linux安裝 cuda 怎麼設置

安裝在遠程伺服器上，先根據你顯卡的型號（伺服器）去下載相關的驅動安裝好，安裝過的就不用了，然後去下載CUDA，最新版是5.0，這些都可以在英偉達的官網上下到的。

Ⅳ 能不能幫我配置一台用於圖型計算的伺服器主機，主要是圖像處理演算法計算量太大，准備採用cuda解決

如果是渲染之類的，只有靠CPU解決吧。。。如果是生物，細胞，力學有些軟體可以支持cuda計算了。如果是預算充裕的話，買cpu和GPU性能都好的工作站，不管哪種方案都可以完美達到最快速度。推薦你看看國產品牌正睿的這款雙路八核圖形工作站。標配2顆至強E5-2687W八核十六線程處理器(3.1GHz/8GT/20M緩存)，英特爾C602伺服器晶元組主板，32G DDR3 REG ECC 1333MHz容錯校驗內存，SSD 512G 6Gb高速固態硬碟，固態硬碟系統的隨機讀寫IO能力可以達到傳統SATA機械硬碟的30~100倍，4個熱插拔盤位，Quadro 6000頂級專業繪圖卡（6GB GDDR5顯存，舉世無雙），雙千兆網卡，性能可以說是非常不錯。它是標配的兩顆處理器，達成16顆處理核心，32條處理線程（在任務管理器處能看到32個處理核心的格子- -~很NB），最大支持256GB內存。
產品型號：I2TW2-8898HC
產品類型：雙路八核工作站
處 理 器：Xeon E5-2687W×2
內 存：32G DDR3 REG ECC
硬 盤：SSD 512G
繪 圖 卡：Quadro 6000
機 構：塔式
價 格：￥79900
銀牌服務
全國三年免費上門售後服務，關鍵部件三年以上免費質保。

給你推薦的是國產品牌正睿的伺服器產品，他們的產品性價比很高，做工很專業，兼容性，質量之類的都有保障，售後也很完善，3年免費質保，3年免費上門售後服務，在業界口碑很不錯。

Ⅳ HPC, SGE, Linux cluster, Top500 Systems的伺服器是屬於什麼類別的伺服器

hpc 就是比較薄的那咋 小機箱 台式機
linux 是開源的系統分很多種系統
top500 不知道是神馬
cloud computing 雲主機 就是虛擬機 一台伺服器裡面虛擬出來多個系統.
MapRece是一種編程模型 跟伺服器沒啥關系.
GPU是處理圖片的.
CUDA(Compute Unified Device Architecture) 顯卡的處理平台.
OpenCLOpenCL(全稱Open Computing Language，開放運算語言)

Ⅵ power8伺服器 ubuntu16.04 ppcle64 如何安裝cuda8.0+tensorflow

先安裝cuda，再用pip安裝最方便

Ⅶ 哪家服務商GPU更適合深度學習領域

現在基本上都會選擇雲服務讓電腦上雲，租用雲伺服器的方式來完成深度學習領域需要的高配電腦服務。
總體而言，NVIDIA目前最適合深度學習的GPU是RTX3080和RTX3090。RTX系列顯卡對於深度學習來說最大的優勢在於專為神經網路設計的運算單元——Tensor Core（張量核心），而RTX30系列性能的提升是上一代產品圖靈架構的2倍。
根據測評參數，NVIDIA旗艦顯卡RTX3080擁有8704個CUDA核心，272個TMU，88個ROP，以及68個SM。Tensor Core數量達到544個，RT Core為136個。
其中，被稱為GPU「猛獸」的RTX 3090 使用代號為 GA102 的核心，和前代泰坦一樣擁有 24G 顯存，但型號升級為 DDR6X（鎂光提供），顯存速度 19.5Gbps，384bit 位寬，擁有 10496 個等效 CUDA 核心，相比 GeForce RTX 2080 Ti，3090 的核心數量增加一倍不止。
不過，自2020年9月上市以來，RTX3080和RTX3090一直處於一卡難求的狀態，市場價更是漲了7倍，而供貨商甚至無法預測具體的供貨時間。
對於企業和實驗室的科研人員而言，要在預算范圍內購買最新的GPU，特別是RTX3080和RTX3090這類旗艦顯卡難以實現；進行整機配置時，需要考慮多個因素，比如電源、機箱體積，主板的PCle卡槽等，這時候，雲電腦在GPU算力上的選擇則更為靈活和方便。

Ⅷ 什麼是CUDA

CUDA(Compute Unified Device Architecture)，顯卡廠商NVidia推出的運算平台。
隨著顯卡的發展，GPU越來越強大，而且GPU為顯示圖像做了優化。在計算上已經超越了通用的CPU。如此強大的晶元如果只是作為顯卡就太浪費了，因此NVidia推出CUDA，讓顯卡可以用於圖像計算以外的目的。
目前只有G80平台的NVidia顯卡才能使用CUDA，工具集的核心是一個C語言編譯器。G80中擁有128個單獨的ALU，因此非常適合並行計算，而且數值計算的速度遠遠優於CPU。
CUDA的SDK中的編譯器和開發平台支持Windows、Linux系統，可以與Visual Studio2005集成在一起。
目前這項技術處在起步階段，僅支持32位系統，編譯器不支持雙精度數據等問題要在晚些時候解決。Geforce8CUDA（Compute Unified Device Architecture）是一個新的基礎架構，這個架構可以使用GPU來解決商業、工業以及科學方面的復雜計算問題。它是一個完整的GPGPU解決方案，提供了硬體的直接訪問介面，而不必像傳統方式一樣必須依賴圖形API介面來實現GPU的訪問。在架構上採用了一種全新的計算體系結構來使用GPU提供的硬體資源，從而給大規模的數據計算應用提供了一種比CPU更加強大的計算能力。CUDA採用C語言作為編程語言提供大量的高性能計算指令開發能力，使開發者能夠在GPU的強大計算能力的基礎上建立起一種效率更高的密集數據計算解決方案。
從CUDA體系結構的組成來說，包含了三個部分：開發庫、運行期環境和驅動（表2）。
開發庫是基於CUDA技術所提供的應用開發庫。目前CUDA的1.1版提供了兩個標準的數學運算庫——CUFFT（離散快速傅立葉變換）和CUBLAS（離散基本線性計算）的實現。這兩個數學運算庫所解決的是典型的大規模的並行計算問題，也是在密集數據計算中非常常見的計算類型。開發人員在開發庫的基礎上可以快速、方便的建立起自己的計算應用。此外，開發人員也可以在CUDA的技術基礎上實現出更多的開發庫。
運行期環境提供了應用開發介面和運行期組件，包括基本數據類型的定義和各類計算、類型轉換、內存管理、設備訪問和執行調度等函數。基於CUDA開發的程序代碼在實際執行中分為兩種，一種是運行在CPU上的宿主代碼（Host Code），一種是運行在GPU上的設備代碼（Device Code）。不同類型的代碼由於其運行的物理位置不同，能夠訪問到的資源不同，因此對應的運行期組件也分為公共組件、宿主組件和設備組件三個部分，基本上囊括了所有在GPGPU開發中所需要的功能和能夠使用到的資源介面，開發人員可以通過運行期環境的編程介面實現各種類型的計算。
由於目前存在著多種GPU版本的NVidia顯卡，不同版本的GPU之間都有不同的差異，因此驅動部分基本上可以理解為是CUDA-enable的GPU的設備抽象層，提供硬體設備的抽象訪問介面。CUDA提供運行期環境也是通過這一層來實現各種功能的。目前基於CUDA開發的應用必須有NVIDIA CUDA-enable的硬體支持，NVidia公司GPU運算事業部總經理Andy Keane在一次活動中表示：一個充滿生命力的技術平台應該是開放的，CUDA未來也會向這個方向發展。由於CUDA的體系結構中有硬體抽象層的存在，因此今後也有可能發展成為一個通用的GPGPU標准介面，兼容不同廠商的GPU產品
CUDA™ 工具包是一種針對支持CUDA功能的GPU（圖形處理器）的C語言開發環境。CUDA開發環境包括:
· nvcc C語言編譯器
· 適用於GPU（圖形處理器）的CUDA FFT和BLAS庫
· 分析器
· 適用於GPU（圖形處理器）的gdb調試器（在2008年3月推出alpha版）
· CUDA運行時（CUDA runtime）驅動程序（目前在標準的NVIDIA GPU驅動中也提供）
· CUDA編程手冊
CUDA開發者軟體開發包（SDK）提供了一些範例（附有源代碼），以幫助使用者開始CUDA編程。這些範例包括:
· 並行雙調排序
· 矩陣乘法
· 矩陣轉置
· 利用計時器進行性能評價
· 並行大數組的前綴和（掃描）
· 圖像卷積
· 使用Haar小波的一維DWT
· OpenGL和Direct3D圖形互操作示例
· CUDA BLAS和FFT庫的使用示例
· CPU-GPU C—和C++—代碼集成
· 二項式期權定價模型
· Black-Scholes期權定價模型
· Monte-Carlo期權定價模型
· 並行Mersenne Twister（隨機數生成）
· 並行直方圖
· 圖像去噪
· Sobel邊緣檢測濾波器
· MathWorks MATLAB® 插件 (點擊這里下載)
新的基於1.1版CUDA的SDK 範例現在也已經發布了。要查看完整的列表、下載代碼，請點擊此處。
技術功能
· 在GPU（圖形處理器）上提供標准C編程語言
· 為在支持CUDA的NVIDIA GPU（圖形處理器）上進行並行計算而提供了統一的軟硬體解決方案
· CUDA兼容的GPU（圖形處理器）包括很多：從低功耗的筆記本上用的GPU到高性能的，多GPU的系統。
· 支持CUDA的GPU（圖形處理器）支持並行數據緩存和線程執行管理器
· 標准FFT（快速傅立葉變換）和BLAS（基本線性代數子程序）數值程序庫
· 針對計算的專用CUDA驅動
· 經過優化的，從中央處理器（CPU）到支持CUDA的GPU（圖形處理器）的直接上傳、下載通道
· CUDA驅動可與OpenGL和DirectX圖形驅動程序實現互操作
· 支持Linux 32位/64位以及Windows XP 32位/64位 操作系統
· 為了研究以及開發語言的目的，CUDA提供對驅動程序的直接訪問，以及匯編語言級的訪問
NVIDIA進軍高性能計算領域，推出了Tesla&CUDA高性能計算系列解決方案，CUDA技術，一種基於NVIDIA圖形處理器（GPU）上全新的並行計算體系架構，讓科學家、工程師和其他專業技術人員能夠解決以前無法解決的問題，作為一個專用高性能GPU計算解決方案，NVIDIA把超級計算能夠帶給任何工作站或伺服器，以及標准、基於CPU的伺服器集群
CUDA是用於GPU計算的開發環境，它是一個全新的軟硬體架構，可以將GPU視為一個並行數據計算的設備，對所進行的計算進行分配和管理。在CUDA的架構中，這些計算不再像過去所謂的GPGPU架構那樣必須將計算映射到圖形API（OpenGL和Direct 3D）中，因此對於開發者來說，CUDA的開發門檻大大降低了。CUDA的GPU編程語言基於標準的C語言，因此任何有C語言基礎的用戶都很容易地開發CUDA的應用程序。
由於GPU的特點是處理密集型數據和並行數據計算，因此CUDA非常適合需要大規模並行計算的領域。目前CUDA除了可以用C語言開發，也已經提供FORTRAN的應用介面，未來可以預計CUDA會支持C++、Java、Python等各類語言。可廣泛的應用在圖形動畫、科學計算、地質、生物、物理模擬等領域。
2008年NVIDIA推出CUDA SDK2.0版本，大幅提升了CUDA的使用范圍。使得CUDA技術愈發成熟

Ⅸ 請教有沒有在Linux使用cuda的朋友

在安裝cuda前，你必須檢測自己的顯卡是否支持cuda，如何檢查自己的顯卡型號：
lspci | grep "NVIDIA"查看是否英偉達顯卡，或者lspci | grep "VGA"直接查看顯卡信息；
在英偉達官方可以查看支持cuda顯卡的型號，順便記得在官方下載你所需的cuda版本。我選擇的是最新版的CUDA-7
我的系統版本centos6.5（finall），我下載的是.run文件。
文件下載成功，轉到下載目錄，首先需要修改.run文件的rwx許可權：
chmod 755 cuda_7.0.28_linux.run
還有一些前提工作需要完善
1:確保文本界面:vi /etc/inittab 把最下面一行的：5：改成：3： 然後用esc，：wq保存並且退出。（如果你沒有找到，可以INIT3直接進入文本界面）
(2.3.4這種操作是因為台式機雙顯卡的緣故貌似) 2:拉黑nouveau. 執行以下步驟：vi /etc/modprobe.d/blacklist.conf 在此文件後面添加：blacklist nouveau
3:使用 dracut重新建立 initramfs image file: mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname-r).img.bak
4:重新建立 the initramfs file: dracut -v /boot/initramfs-$(uname -r).img $(uname -r)
(如果不拉黑nouveau會出現兩種問題，我在筆記本上出現的問題是安裝完成後無法進入圖形界面，我在伺服器上出現的問題是無法安裝，當然，可能還有其他問題，但是我沒有遇到#24)

reboot重新啟動電腦，然後就可以執行之前的.run 文件了
安裝成功以後，你還需要配置nvcc：find -name "nvcc" (找到nvcc所在位置)；vi /root/.bashrc(編輯.bashrc文件) ；加入alias nvcc="你查詢到的nvcc所在位置"；export nvcc;
至此，你就可以使用nvcc編譯你的.cu文件了！：：nvcc –cuda xxxxx.cu

Ⅹ 騰訊雲伺服器 可以裝 cuda8.0 么

CUDA (Compute Unified Device Architecture) 是顯卡廠商 NVIDIA 推出的運算平台。 CUDA™ 是一種由 NVIDIA 推出的通用並行計算架構，該架構使 GPU 能夠解決復雜的計算問題。 它包含了 CUDA 指令集架構（ISA）以及 GPU 內部的並行計算引擎。 開發人員現在可以使用 C 語言, C++ , FORTRAN 來為 CUDA™ 架構編寫程序，所編寫出的程序可以在支持 CUDA™ 的處理器上以超高性能運行。
GPU 雲伺服器採用 NVIDIA 顯卡，需要安裝 CUDA 開發運行環境。以目前最常用的 CUDA 7.5 為例，可參照以下步驟進行安裝。
Linux 系統指引
登錄 CUDA驅動下載 或復制鏈接 https://developer.nvidia.com/cuda-75-downloads-archive 。
選擇操作系統和安裝包。以 CentOS 7.2 64 位為例，可按如下方式進行選擇：

注意：
Installer Type 推薦選擇 rpm（network）。
network：網路安裝包，安裝包較小，需要在主機內聯網下載實際的安裝包。
local：本地安裝包。安裝包較大，包含每一個下載安裝組件的安裝包。
右擊【Download】-【復制鏈接地址】。

登錄 GPU 實例，使用 wget 命令， 粘貼上述步驟復制的鏈接地址下載安裝包；或通過在本地系統下載 CUDA 安裝包， 上傳到 GPU 實例的伺服器。

在 CUDA 安裝包所在目錄下運行如下命令：
sudo rpm -i cuda-repo-rhel7-7.5-18.x86_64.rpm
sudo yum clean all
sudo yum install cuda
在 /usr/local/cuda-7.5/samples/1_Utilities/deviceQuery 目錄下，執行 make 命令，可以編譯出 deviceQuery 程序。
執行 deviceQuery 正常顯示如下設備信息，此刻認為 CUDA 安裝正確。

Windows 系統指引
要在 Windows 實例上安裝 CUDA ，請使用遠程桌面以管理員的身份登錄您的 Windows 實例。
在 CUDA 驅動官網 下載 CUDA 安裝包。
選擇操作系統和安裝包。以 Win Server 2012 R2 64 位為例，可按如下方式進行選擇:

啟動安裝程序，按提示進行安裝，如果最後出現完成對話框，則安裝成功。