nvidia顯示卡驅動
怎麼用nvidia顯示卡 跑深度學習的模型
1、首先，你有一臺電腦，作業系統為ubuntu18.04。
第一步：就是安裝nvidia顯示卡的驅動，讓顯示卡能正常工作。
（1）第一種方法：進入英偉達官網下載： https://www.nvidia.cn/Download/index.aspx?lang=cn
根據你的顯示卡型別選擇：
下載以後安裝就行
（2）第二種方法： 在終端輸入：ubuntu-drivers devices
driver後面時對應的驅動
如果沒有特別的需求，直接 安裝推薦的驅動， sudo ubuntu-drivers autoinstall
第二步：進入官網安裝CUDA 工具包
下載地址：https://developer.nvidia.com/cuda-toolkit-archive
NVIDIA® CUDA® 工具包提供了開發環境，可供建立經 GPU 加速的高效能應用。藉助 CUDA 工具包，您可以在經 GPU 加速的嵌入式系統、臺式工作站、企業資料中心、基於雲的平臺和 HPC 超級計算機中開發、優化和部署應用。此工具包中包含多個 GPU 加速庫、多種除錯和優化工具、一個 C/C++ 編譯器以及一個用於在主要架構（包括 x86、Arm 和 POWER）上構建和部署應用的執行時庫。
藉助多 GPU 配置中用於分散式計算的多項內建功能，科學家和研究人員能夠開發出可從單個 GPU 工作站擴充套件到配置數千個 GPU 的雲端設施的應用。
記得修改環境變數，再執行命令：sudo vi ~/.bashrc
第三步：進入官網安裝cudnn
下載地址：https://developer.nvidia.com/rdp/cudnn-archive
NVIDIA CUDA® 深度神經網路庫 (cuDNN) 是經 GPU 加速的深度神經網路基元庫。cuDNN 可大幅優化標準例程（例如用於前向傳播和反向傳播的卷積層、池化層、歸一化層和啟用層）的實施。
世界各地的深度學習研究人員和框架開發者都依賴 cuDNN 實現高效能 GPU 加速。藉助 cuDNN，研究人員和開發者可以專注於訓練神經網路及開發軟體應用，而不必花時間進行低層級的 GPU 效能調整。cuDNN 可加速廣泛應用的深度學習框架，包括
第四步，安裝TensorFlow-GPU
容器時如何呼叫GPU的，請看下面一篇部落格
https://blog.csdn.net/xie_cinnamon/article/details/109037462