linux系统配置nvidia显卡环境用于tensorflow、pytorch等深度学习框架

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

如果机器中存在NVIDIA的GPU显卡，如何去利用呢。首先确保系统中已经安装相应型号的驱动。其次要确保python环境中有链接NVIDIA驱动相应的包，如cuda和cudnn等。如果想用NVIDIA的GPU加速，必须安装NVIDIA的驱动和cuda工具包。本文默认驱动已经安装。

一、概念

1.GPU驱动

GPU驱动是专门为图形处理单元（GPU）设计的软件，它可以让GPU能够更加高效地运行图形处理任务。GPU驱动程序通常由GPU制造商提供，例如NVIDIA和AMD。安装GPU驱动程序后，可以确保GPU能够与操作系统和其他软件兼容，并优化GPU的性能和功能。

2.cuda

CUDA（Compute Unified Device Architecture）是由NVIDIA推出的开放式并行计算平台和编程模型，它基于NVIDIA的GPU，使得开发者能够使用高级编程语言（如C/C++和CUDA C/C++）来编写程序，以利用GPU的并行处理能力。CUDA使得开发者能够更方便地利用GPU的计算能力，以加速科学计算、图形渲染、深度学习等领域的应用。

3.cuda toolkit

CUDA Toolkit，也称为NVIDIA CUDA工具包，是一个由NVIDIA开发的并行计算平台和编程模型。它提供了一套完整的开发环境，以创建经GPU加速的高性能应用。CUDA Toolkit包含多个GPU加速库、多种调试和优化工具、一个C/C++编译器以及一个用于在主