既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
- 有 GPU 也装了驱动，却没有装正确的库；
二、安装显卡驱动程序
请自行前往 NVidia 驱动程序下载页 进行挑选，毕竟每个人的电脑不太一样，但我初步看了一下，大家可能买的电脑的支持列表大概一致，如果一样你就点此 传送门 去下载，下图是传送门的截图
安装时一般傻瓜式安装就可以了，这里不详细说了，都是系统驱动。
三、安装 CUDA 工具包支持
上面一节一般默认安装后，程序的位置会在：C:\Windows\System32\nvidia-smi.exe
如果一不小心自己换了别的目录而没有被识别，你可以去配置 PATH 自行添加。
接着在安装 CUDA 之前，先看一下你所购买的当前 CUDA 版本号是多少？具体如下：
从上图可以得到，需要关注的是 12.3 的版本，点此 传送门 即可到达指定地点，下面是截图预览。
一般情况下，尾号版本具有更大的兼容性，所以我这边直接选了 12.3.2，也是一样默认安装。
装完之后，它的默认路径一般在（下图所示）：
四、使用 Python 代码快速测试
4.1、使用 pytorch 框架
import torch
# 检查是否有CUDA支持
if torch.cuda.is_available():
print("CUDA支持可用")
else:
print("CUDA支持不可用")
注意事项，这里没有讲太多，因为不讲库安装，这里提个醒，pytorch 需要注意一下关键字：
类似 torch-2.1.2+cu118 这样的才是支持 GPU，而 torch-2.1.2 是没有 ！
4.2、使用 tensorflow 框架
import tensorflow as tf
# 获取可见的GPU设备列表
gpu_devices = tf.config.experimental.list_physical_devices('GPU')
if gpu_devices:
print("GPU支持可用")
else:
print("GPU支持不可用")
五、扩展知识
5.1、什么是 nvidia-smi 命令行程序
首先要明白什么是 smi？它的英文全称是 System Management Interface。
所以我们可以通俗点叫它 NVIDIA 系统管理接口或界面 （nvidia-smi） ，它是一个命令行实用程序，基于 NVIDIA 管理库 （NVML） ，旨在帮助管理和监控 NVIDIA GPU 设备。
所以如果你没有支持 nvidia-smi，那么所有 N卡相关的 GPU 都基本不能使用。
那 NVML 又是什么？它的英文全称是 NVIDIA Management Library。它基于 C 的 API，用于监控和管理 NVIDIA GPU 设备的各种状态。它提供对通过 nvidia-smi 公开的查询和命令的直接访问。NVML 的运行时版本附带 NVIDIA 显示驱动程序，SDK 提供相应的标头、存根库和示例应用程序。每个新版本的 NVML 都向后兼容，旨在成为构建第三方应用程序的平台。
5.2、CPU 与 GPU 在开发及应用中的区别
在机器学习中，CPU（中央处理器）和 GPU（图形处理器）都可以用于训练和推理模型，但它们在性能和适用场景上有所不同。以下是 CPU 和 GPU 在机器学习中的主要区别：
5.2.1、并行处理能力
| CPU | CPU 通常有较少的核心（如 2 到 16 个），适合处理顺序任务和复杂的逻辑运算。 |
| GPU | GPU 拥有数百到数千个较小的核心，适合大规模并行计算，如矩阵运算和向量运算。 |
5.2.2、内存带宽
| CPU | CPU 的内存带宽相对较低，访问内存的延迟较高。 |
| GPU | GPU 具有更高的内存带宽，可以快速访问大量数据，适合处理大规模数据集。 |
5.2.3、计算速度
| CPU | CPU 在处理复杂的逻辑运算和分支预测方面表现出色，但在大规模并行计算方面较慢。 |
| GPU | GPU 在大规模并行计算方面表现出色，特别适合矩阵运算和卷积等操作，可以显著加速机器学习的训练和推理过程。 |
5.2.4、编程模型
| CPU | 使用传统的编程语言和库，如 C++、Python 等，编程模型相对简单。 |
| GPU | 需要使用特定的编程框架和库，如 CUDA（针对 NVIDIA GPU）或 OpenCL，编程模型相对复杂，需要考虑并行编程和内存管理。 |
5.2.5、成本和功耗
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
