安装驱动

1. 打开软件与更新

   
   

2. 查看驱动

   
   
   

   切忌最后一个开源驱动不要选择（其他按版本关系来）
   3.卸载原有的开源驱动（如果你打开附加驱动，显示的最后一个，推荐操作）

#打开黑名单：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
#添加两行语句：
blacklist nouveau
options nouveau modeset=0
#更新initramfs
sudo update-initramfs -u
#重启
reboot
#验证，终端输入语句，
lsmod | grep nouveau
#如果没有结果表示禁用成功。

4. TensorFlow版本
   网上有很多要求下载指定版本的CUDA toolkit、 cuDNN ，根据的 不同TensorFlow 对应的版本不同
   tnsorflow版本，CUDA，cuDNN经过测试的构建配置

• 你也可以自己点击链接进去看看
• 宝藏博客，给了所有版本的下载地址，开始没发现
• 但是我在网上找不到我的显卡GTX970M对应的东西了（5年前的笔记本上的显卡），所以我直接在conda上安装TensorFlow-GPU版本（没办法了）。抱着试一试的心态。

conda install tensorflow-gpu==1.15 

• 然后conda list 你会发现cuda cuDNN已经安装好了 只不过版本较高
  接下来跑了个程序
  发现GPU没有变化仍然是使用CPU训练（也有可能直接成功，如果你的驱动版本对的话）

5. 查看驱动版本
   由上图可见我的版本是**nvdia-driver-460 **版号就是460 这个很重要
   CUDA版本的选择：它依赖于显卡的驱动程序版本，如下表，参考官方文档。与下表进行对照选择兼容的CUDA版本。
   cuda与显卡驱动版本依赖
6. 选择合适版本的驱动

conda list

2021-03-07 21-02-24 的屏幕截图.png

• 我的cuda 版本为10 所以要求 显卡驱动>=410
• 直接在软件与更新更改驱动版本为460后 gpu运行成功 而且不需要对cuda cuDNN这些版本进行改变

运行速度快很多了，虽然显卡很一般但也比原来好多了。希望大家也能一次成功。

附录

• 查看GPU使用情况

#静态显示GPU信息
 nvidia-smi
#配合watch命令, 让一秒刷新一次
 watch -n 1 nvidia-smi   

• 安装ipdb

#输入
conda install -c conda-forge ipdb
#如果不行就用
pip install ipdb