這一期我們來介紹如何在Windows上安裝CUDA，使得對圖像數據處理的速度大大加快，在正式的下載與安裝之前，首先一起學習一下預導知識，讓大家知道為什么使用GPU可以加速對圖像的處理和計算，以及自己的電腦是否可以使用GPU加速。
寫在前面：
在深度學習中，我們常常要對圖像數據進行處理和計算，而處理器CPU因為需要處理的事情多，並不能滿足我們對圖像處理和計算速度的要求，顯卡GPU就是來幫助CPU來解決這個問題的，GPU特別擅長處理圖像數據，而CUDA（Compute Unified Device Architecture），是顯卡廠商NVIDIA推出的運算平台。CUDA™是一種由NVIDIA推出的通用並行計算架構，該架構使GPU能夠解決復雜的計算問題。它包含了CUDA指令集架構（ISA）以及GPU內部的並行計算引擎，安裝cuda之后，可以加快GPU的運算和處理速度。
什么是顯卡？
顯卡（Video card，Graphics card）全稱顯示接口卡，又稱顯示適配器，是計算機最基本配置、最重要的配件之一。顯卡作為電腦主機里的一個重要組成部分，是電腦進行數模信號轉換的設備，承擔輸出顯示圖形的任務。顯卡接在電腦主板上，它將電腦的數字信號轉換成模擬信號讓顯示器顯示出來，同時顯卡還是有圖像處理能力，可協助CPU工作，提高整體的運行速度。對於從事專業圖形設計的人來說顯卡非常重要。民用和軍用顯卡圖形芯片供應商主要包括AMD(超微半導體)和Nvidia(英偉達)2家。現在的top500計算機，都包含顯卡計算核心。在科學計算中，顯卡被稱為顯示加速卡。
什么是顯存？
也被叫做幀緩存，它的作用是用來存儲顯卡芯片處理過或者即將提取的渲染數據。如同計算機的內存一樣，顯存是用來存儲要處理的圖形信息的部件。
顯卡、顯卡驅動、CUDA之間的關系
- 顯卡：（GPU），主流是NVIDIA的GPU，因為深度學習本身需要大量計算。GPU的並行計算能力，在過去幾年里恰當地滿足了深度學習的需求。AMD的GPU基本沒有什么支持，可以不用考慮。
- 驅動：沒有顯卡驅動，就不能識別GPU硬件，不能調用其計算資源。但是呢，NVIDIA在Linux上的驅動安裝特別麻煩，尤其對於新手簡直就是噩夢。得屏蔽第三方顯卡驅動。下面會給出教程。
- CUDA：是顯卡廠商NVIDIA推出的只能用於自家GPU的並行計算框架。只有安裝這個框架才能夠進行復雜的並行計算。主流的深度學習框架也都是基於CUDA進行GPU並行加速的，幾乎無一例外。還有一個叫做cudnn，是針對深度卷積神經網絡的加速庫。
為什么GPU特別擅長處理圖像數據呢？
這是因為圖像上的每一個像素點都有被處理的需要，而且每個像素點處理的過程和方式都十分相似，GPU就是用很多簡單的計算單元去完成大量的計算任務，類似於純粹的人海戰術。GPU不僅可以在圖像處理領域大顯身手，它還被用來科學計算、密碼破解、數值分析，海量數據處理（排序，Map-Reduce等），金融分析等需要大規模並行計算的領域。
查看自己電腦是否可以使用GPU加速？
想要使用GPU加速，則需要安裝cuda,所以首先需要自己的電腦顯卡是否支持cuda的安裝，也就是查看自己的電腦里面有沒有NVIDA的獨立顯卡，這里再說明一下，AMD的顯卡不支持安裝cuda來進行加速，具體查看步驟如下：
第一步：開始菜單輸入框輸入設備管理器，打開設備管理器，找到顯示適配器后點擊，查看電腦顯卡型號
第二步：在NVIDA官網列表中，地址：https://developer.nvidia.com/cuda-gpus，查看自己的顯卡型號是否在NVIDA列表中，若存在則可以下載cuda實現GPU加速，這里可以看到我的顯卡計算力為7.5，當然如果你的顯卡運算能力在3.0以下，那沒有適合你的cuda版本。
好啦，這期Windows下關於如何實現GPU進行處理和運算加速、以及查看自己的電腦是否能安裝CUDA加速就到此結束了，下期正式下載安裝使用，如果覺得還不錯的話就關注我吧~
更多有關python、深度和計算機編程的精彩內容，可以關注我的微信公眾號：碼農的后花園
