关于显卡、显卡驱动、CUDA的思考
文章多图，又长又水
如果想当教程看的话，请仔细并完整地阅读本文，因为笔者将过程中的一些反面教材都写下了。
对了，本文存在干货：win10，cuda8.0，pytorch0.4.0的环境配置
一、导语
最近发现自己用了5年的笔记本，拥有独立显卡
也就是说，他有GPU！！！
当然，有等于无。查了一下对这款显卡的评价，网友骂骂咧咧：
确实，我玩英雄联盟都卡的跳帧，也因此几乎不玩任何游戏（王者手游不算），严重怀疑我爸当年给我挑这款笔记本是为了让我好好学习。
二、显卡、GPU、显卡驱动、CUDA、Cudnn等
先明确一下几个概念：
- 显卡就是GPU，硬件，实际中干活的那个；
- 显卡驱动，字面意思，相当于监工，驱动着显卡来干活，没有它你不知道怎么去指示显卡搬砖，底层接口；
- CUDA，通用的并行计算架构，应用程序接口（API），相当于老板，他管着楼上的监工，应用层上的东西了，让用户能够轻松一点地使用GPU加速运算跑网络炼丹啥的。
- cudnn，这个其实没啥，主要是一些专门用于深度神经网络计算的库。
显卡有自己的型号，驱动有自己的版本，CUDA也一样有自己的版本，每一种CUDA有与之对应的cudnn的版本。让用户很烦的一点就是型号和版本之间有何对应的兼容性限制，安装时得注意，但是官方也没有给出一个什么型号的显卡应该用什么版本的CUDA、驱动的文档（可能是我没找到），大部分靠网友们博客的指导。。NVIDIA厂商应该想的是自己产的显卡越来越厉害，推出的CUDA越来越新，得让大家买新的显卡才能赚钱，所以新版本的CUDA就不支持老一点的显卡。。。
关于这方面的知识还是相当复杂的吗，详见显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？看不懂得东西还是很多的，也是一门学问，想起了被微机原理支配的恐惧。
三、奇怪的想法
1 在自己的笔记本上装上CUDA能使用GPU计算吗？
为此特地做了个小实验，牺牲了C盘三个多G的空间装上了CUDA10.2，安装过程顺利。前面详细描述了失败的过程，可以不看，也可以瞅瞅，还是蛮有(qi)趣(ren)的。下面有根分割线，分割线以下的内容是成功的部分。
接下来就要看看能不能用它来加速计算了。
哦豁不行，之前装的torch是1.4.0+cpu版本的，还得重新装个cuda10.2版本的。。。
pip install ……
装好了，再来亿次。
安装了torch1.4.0cu101，但是用不了。。。
应该是没有装显卡驱动的问题。去NVIDIA官网下载驱动程序。
上一次来这个网站还是给实验室服务器刚买回来的时候，给他装驱动，当时旁边都是大佬师兄们，听他们指使，让装啥就装啥，什么也不懂。这回过来倒是看懂了一些东西。实验室的显卡是两个大泰坦，Tesla倒是在很多论文里看到作者用。自己的配置。。。
下载类型一开始选的Studio，我是内容创作者，不过被打脸了。
所以类型还是选游戏那个（可是我不玩游戏啊。。。）
下载完了之后，安装没成功。。。在安装的第一步兼容性检测上就说不兼容，查了一下，大概是要把之前的驱动给卸干净了，再重新装。可能还要重装系统，怕了怕了。只是想试试显卡加速计算的效果，不敢再倒腾小破笔记本了。后面有机会的话，搞明白其中的道道再回来填坑吧。
——————————————————分割线———————————————————————
不对劲，我明明早就装好了驱动。（之前脑子进水以为是显卡驱动的问题）
那为啥import torch失败了？
猜测pytorch版本与CUDA不对应。之前装pytorch一直是通过国内源安装的，因为快。最近发现pytorch官网的下载速度也上来了！贴一个官方的下载源。
还是好慢……
还是不行，装完了cuda10.2版本的torch1.5.0，torch.cuda.is_available()返回的还是不可用。。。
那到底是什么原因呢？显卡型号，cuda版本，显卡驱动的版本，还有torch的版本之间到底有什么对应关系？官网给了给的一些信息，GeForce820M这款显卡从CUDA2.1就开始支持了，而且是向下兼容的。按理说也不会是CUDA版本太高了吧。。。
很烦，搁置了几天，看了两篇博客，重新燃起了希望。。。
https://www.cnblogs.com/marsggbo/p/11838823.html
https://blog.csdn.net/csdn_zhishui/article/details/88019158#1CUDA_1
尤其是第一篇，盲猜是个业界大牛祥写的，先感谢一下。
问题很可能是CUDA与对应的驱动程序版本不兼容。
引用博客一的一段话：
运行CUDA应用程序需要系统至少有一个具有CUDA功能的GPU和与CUDA工具包兼容的驱动程序。每个版本的CUDA工具包都对应一个最低版本的CUDA Driver，也就是说如果你安装的CUDA Driver版本比官方推荐的还低，那么很可能会无法正常运行。CUDA Driver是向后兼容的，这意味着根据CUDA的特定版本编译的应用程序将继续在后续发布的Driver上也能继续工作。通常为了方便，在安装CUDA Toolkit的时候会默认安装CUDA Driver。
引用博客二的一段话：
所以说之前的问题在于我装的是10.2版本的CUDA？重头来过，继续搬砖。下载8.0的CUDA、对应的cudnn、对应的pytorch，好慢啊。。。
噩耗。。。这回装好了cuda，cudnn，pytorch也算是好了吧。。。然而在import torch的时候出错了。
可能是缺东西，我想从官网上下载指定的包，但是对应于cu8.0的包都已经没了，最早的都是9.2的包，各大国内源也都翻了，唯一一个包就是上面出问题的那个。。。难道真就这么快把过去的版本淘汰了？？？暂时放弃了。。。
理论上说，应该是可以用的，很想体验一下这块小破显卡的水准的。
————————————————————分割线————————————————————————
兄弟们我回来了。2020/5/26补充：
总算搞定了。事情的转机是这样的，我看了一下CUDA8.0对应的pytorch版本除了1.01、1.00，还有0.4.0，虽然隔得比较久了，但是下载下来试了一下，竟然可以！
在装torchvision时，顺带也装了pillow、six库，具体干啥的不太清楚，知道的可以评论区指点迷津。
然后就可以快乐地调包了。
import torch
print(torch.__version__) # 返回torch版本
print(torch.cuda.is_available()) # 返回cuda是否可用
print(torch.cuda.current_device()) # 返回使用的gpu
我的老显卡GeForce 820M太旧了，官方不再支持了。。。后续会看看拿它来加速计算的效果如何。
对了，至于pytorch1.0.1失败的原因，我看到了两种解决方案：
- https://blog.csdn.net/xwy990/article/details/80995893
- https://www.jianshu.com/p/d654e5534fc1
我自己没尝试因为网站进不去（家里网不行+外网），如果有小伙伴试过敬请指教。
2 问题有点长
我在知乎也问了一下，虽然没什么人回答。
一块装有ubuntu系统的移动固态，怎么同时用在自己的笔记本（CPU）和实验室服务器呢？
实验等到回学校再搞搞吧。
待更新、、、、、、、、、、、、、、、、、