显卡、显卡驱动、CUDA之间的关系
-
显卡：（GPU），主流是NVIDIA的GPU，因为深度学习本身需要大量计算。GPU的并行计算能力，在过去几年里恰当地满足了深度学习的需求。AMD的GPU基本没有什么支持，可以不用考虑。
-
驱动：没有显卡驱动，就不能识别GPU硬件，不能调用其计算资源。但是呢，NVIDIA在Linux上的驱动安装特别麻烦，尤其对于新手简直就是噩梦。得屏蔽第三方显卡驱动。下面会给出教程。
-
CUDA：是显卡厂商NVIDIA推出的只能用于自家GPU的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的，几乎无一例外。还有一个叫做cudnn
查看自己电脑是否可以使用GPU加速？
想要使用GPU加速，则需要安装cuda,所以首先需要自己的电脑显卡是否支持cuda的安装，也就是查看自己的电脑里面有没有NVIDA的独立显卡，这里再说明一下，AMD的显卡不支持安装cuda来进行加速，具体查看步骤如下：
第一步：开始菜单输入框输入设备管理器，打开设备管理器，找到显示适配器后点击，查看电脑显卡型号
第二步：在NVIDA官网列表中，查看自己的显卡型号是否在NVIDA列表中，若存在则可以下载cuda实现GPU加速，这里可以看到我的显卡计算力为7.5，当然如果你的显卡运算能力在3.0以下，那没有适合你的cuda版本。
超详细图文教程 CUDA下载安装教程-安装部署论坛-Deepseek-语义熔炉
