Nivdia

安裝NVIDIA CUDA

CUDA是NVIDIA GPU用於平行運算的程式架構，我們可以利用CUDA進行深度學習的建模，由於目前大多GPU的運算速度是高於CPU，所以利用GPU加速深度學習模型運算是目前最主流的方法。因此，確認過電腦的GPU是支援CUDA運算架構之後，我們就開始來安裝CUDA。

搭配組合(持續更新)

TensorFlow (gpu)	CUDA	cuDNN	更新時間
(最新) 1.7	9.1	7.1.2	2018.4 (最新)
1.5	9.0	7(.0.4/5)	2018.2
1.3	8.0	6.0	2017.11
1.0	8.0	5.1	2017.8

請下載目前CUDA最新9.1版（2018.4 更新），並請確認是否支援以下作業系統：

Table 1. Windows Operating System Support in CUDA 9.1

	Native x86_64	Cross (x86_32 on x86_64)
Windows 10	YES	YES
Windows 8.1	YES	YES
Windows 7	YES	YES
Windows Server 2016	YES	NO
Windows Server 2012 R2	YES	NO

安裝CUDA之前，必須先安裝Windows Visual Studio，請確認安裝的版本。

Table 2. Windows Compiler Support in CUDA 9.1

Compiler	IDE	Native x86_64	Cross (x86_32 on x86_64)
Visual C++ 15.0	Visual Studio 2017	YES	NO
Visual C++ 14.0	Visual Studio 2015	YES	NO
	Visual Studio Community 2015	YES	NO
Visual C++ 12.0	Visual Studio 2013	YES	YES
Visual C++ 11.0	Visual Studio 2012	YES	YES
Visual C++ 10.0 DEPRECATED	Visual Studio 2010	YES	YES

資料來源：http://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html#axzz4oJ4It0ks

示範作業系統：Windows 10 64-bit

1.安裝 Visual C++ Redistributable for Visual Studio 2015

2.安裝 CUDA 9.1

選擇對應的作業系統環境，安裝CUDA和Patch。(安裝非最新版CUDA請至https://developer.nvidia.com/cuda-toolkit-archive 下載)

補充：舊版CUDA須從歷史安裝頁面下載

nvidia-smi -l 1

CUDA Toolkit ArchiveNVIDIA Developer

3.安裝 cuDNN

https://developer.nvidia.com/rdp/cudnn-archive

Check GPU Usage (CUDA)

Linux

continually give you the gpu usage info, with in refresh interval of 1 second

nvidia-smi -l 1

GitHub - wookayin/gpustat: 📊 A simple command-line utility for querying and monitoring GPU statusGitHub