先說一下我電腦的配置吧，大家的硬體環境不一樣，我也沒法一一測試。
安裝nvidia-bumblebee，實現雙顯示卡切換
對於筆記本使用者來說，一直開著獨顯的話發熱量會明顯增大，並且耗電也會變快，所以需要安裝bumblebee來切換顯示卡，平時只用核顯就足夠了，需要執行cuda或者玩遊戲的話才開啟獨顯。
安裝cuda開發工具
cuda在linux下的開發工具基本上夠用了，有基於eclipse 的nsight，有visual profiler效能分析工具，還有pycuda庫實現對python運算的加速。但是我以前在deepin上面嘗試安裝官方的.run包，均以失敗告終，很容易把電腦搞崩潰。最近終於找到了從軟體源直接安裝cuda的方法。
安裝nvidia-bumblebee
sudo apt update
sudo apt install bumblebee bumblebee-nvidia nvidia-smi
不用管nouveau驅動，系統會自己遮蔽掉。
然後重啟
sudo rebootnvidia-smioptirun nvidia-smi安裝cuda開發工具
首先安裝配置g++,gcc
因為cuda版本原因，cuda8之前都只支援g++-4.8,gcc-4.8
所以gcc需要降級
sudo apt install g++-4.8 gcc-4.8cd /usr/bin
sudo rm gcc g++
sudo ln -s g++-4.8 g++
sudo ln -s gcc-4.8 gcc
安裝pycuda擴充套件
有的同學有使用python 寫cuda的需求，推薦pycuda，能夠自定義核函式，並且裡面帶的gpuarray這個資料結構很好用安裝方法為：
sudo apt install python-pycudafrom __future__ import print_function
from __future__ import absolute_import
import pycuda.autoinit
import pycuda.gpuarray as gpuarray
import pycuda.driver as cuda
import numpy
import time
free_bytes, total_bytes = cuda.mem_get_info()
exp = 10
while
true:
fill_floats = free_bytes / 4 - (1
raise runtimeerror("couldn't find allocatable size")
try:
print("alloc", fill_floats)
ary = gpuarray.empty((fill_floats,), dtype=numpy.float32)
break
except:
pass
exp += 1
ary.fill(float("nan"))
print("filled %d out of %d bytes with nans" % (fill_floats*4, free_bytes))
time.sleep(10)
然後
optirun python
Deepin15 4 下 CUDA 配置方法
deepin15.4不僅漂亮而且執行流暢，吸引了大批linuxer，其中也不乏搞cuda的小夥伴。但是有不少童鞋在deepin15.4下配置cuda遇到了困難，所以抽空寫個博文說一下我配置的方法。主要針對電腦是intel 核顯，nvidia顯示卡，需要執行cuda,並且有雙顯示卡熱切換需求的小朋友。...
國光大力推薦 安利 Deepin15 4
深度作業系統15.4 beta deepin15.4 相比deepin15.3來看，外觀上要更加優雅。現在還在內測中，相信不就官網就會發布正式版。小子昨天下午刪了我的windows10，特意來嘗鮮了下deepin15.4.beta 新版本deepin15.4在外觀上面的的細節做的越來越好了，個人認為...
deepin下mysql的安裝配置
進入終端輸入 sudo apt get install y mysql server mysql client在終端中輸入如下指令 sudo mysql uroot p進入資料庫後依次輸入如下密碼 update mysql.user set plugin mysql native password ...