不要因为这个列表很长而感到困扰。Conda 已经妥善地处理了主要部分和依赖包。
一些 GPU 术语
在安装 GPU 相关软件之前，我们有必要了解这些软件是什么，以及你需要它们的原因。
GPU 驱动：顾名思义，GPU 驱动是让操作系统及程序能使用 GPU 硬件的软件。游戏玩家肯定很熟悉这个。如果你喜欢打游戏，你可能需要让这个软件保持最新以获得最好的游戏体验。
CUDA：简单来说，这是英伟达开发的一个编程接口层，能让你调用 GPU 的指令集及其并行计算单元。
自 2010 年代末的 GeForce 8 系列 GPU 以来，几乎所有 GPU 都兼容 CUDA。要想了解你的 GPU 是否启用 CUDA，可以访问英伟达的网站。
举个例子，如果你有一台消费级 GPU，不管是 GeForce 系列还是 Titan 系列，你都可以在下图中看到你的 GPU 是否支持 CUDA。
数据截至 2020 年 9 月，截图仅含部分型号。
如果你的电脑是笔记本，你应该看右边的列表；如果你的电脑是台式机，你显然就该看左边的列表。
之前已经提到，我的 GPU 是右侧列表中的 RTX 2060 Max-Q。另外，你不必在意显卡型号名称是否与该列表中的名称完全匹配，Max-Q 和 Super 的底层架构一样，只在 TDP、CUDA 核及张量核数量方面有一些差异。
比如，不管你的 GPU 是 RTX 2080 Super 还是 2080 Max-Q 又或是 2080 Super Max-Q，看列表中的 RTX 2080 就够了。但如果你的 GPU 是 RTX 2080Ti 或其它加了 Ti 的型号，则说明你的 GPU 是该系列中最高端的那一款，这些 GPU 通常在显存大小和 CUDA 核及张量核数量方面更具优势。
截至 2020 年 9 月，要使用 TensorFlow 2.0，显卡计算能力必须高于 3.5，但建议使用计算能力至少为 6 的显卡以获得更好的体验。TensorFlow 2.0 还需要 CUDA 10 版本，而这又进一步要求驱动版本至少为 418.x。
PyTorch 需要的 CUDA 版本至少为 9.2，但也支持 10.1 和 10.2。所需的计算能力至少要高于 3.0。
CuDNN：即 CUDA Deep Neural Network 软件库，这是一个用于深度神经网络的 GPU 加速原语库。cuDNN 为前向和反向卷积、池化、归一化和激活层等标准例程提供了经过高度微调的实现。
（可选）TensorRT：NVIDIA TensorRT 是一套用于高性能深度学习接口的 SDK。其包含深度学习接口优化器和运行时优化器，能为深度学习接口应用提供低延迟和高通量的特性。
安装 GPU 驱动
首先，你需要搞清楚所使用的 GPU 型号，而且你的 GPU 必须启用了 CUDA。
如果你还没有安装驱动，你可能需要运行一次 Windows 更新，它会自动处理有用软件的安装过程，比如英伟达控制面板。这能帮助你获悉 GPU 的相关信息，还有一些与本文无关的设置。
英伟达控制面板就绪之后，你可以在开始菜单打开它，也可以右键点击桌面，然后选择英伟达控制面板。
打开之后，你可以点击「帮助→系统信息」来查看 GPU 驱动版本。驱动版本号列在「细节」窗口的顶部。
如上图所示，我的驱动版本是 456.x，远超过 418.x 的最低要求，所以我不必安装新驱动。
但你的电脑可能不是这样的。要安装最新版的驱动，可访问 https://www.nvidia.com/Download/index.aspx，然后输入 GPU 信息，下载合适的驱动。
驱动下载完成后，运行安装包，选择快速安装会更轻松。驱动安装完成之后，可使用英伟达控制面板进行验证。
另一个安装驱动的方法是使用英伟达的 GeForce Experience 应用程序。只要你购买的是主打游戏的电脑，应该都预装了该软件。安装过程很简单。
这一步是可选的。如果你已经按照上面的步骤安装了驱动，或你的电脑没有预装该软件，那就不用在乎这个步骤。
你可在这里下载该程序：https://www.nvidia.com/en-in/geforce/geforce-experience/，然后跟着安装流程将其安装到电脑上。安装完成，打开它，进入驱动选项卡，检查更新并安装新驱动。你也可以在该应用中查看驱动的版本号。
